Learning Human-like Hand Reaching for Human-Robot Handshaking
Technical University of Darmstadt(达姆施塔特工业大学);Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所)
人类进行的第一个也是最重要的非语言互动之一是握手。它对第一印象有影响,因为触摸可以传达复杂的情绪。这使得握手成为社交机器人的一项重要技能。在本文中,我们提出了一个新的框架,学习达到行为的人与机器人握手行为的人形机器人只使用第三人称的人与人的互动数据。这对于无法通过动觉教学进行演示的不可反向驱动机器人特别有用。我们的方法可以很容易地执行不同的人形机器人。这消除了重新训练的需要,这在与人类交互伙伴一起训练时尤其繁琐。我们通过将学到的行为应用于两个不同的人形机器人,它们具有相似的自由度,但形状和控制限制不同。
2021-03-25 cs.HC cs.RO
Proceedings of the 2020 Workshop on Assessing, Explaining, and Conveying Robot Proficiency for Human-Robot Teaming
Carnegie Mellon University(卡内基梅隆大学);Brigham Young University(杨百翰大学)
本记录包含2020年评估,解释和传达人机协作机器人能力研讨会的会议记录,该研讨会与2020年ACM/IEEE人机交互国际会议(HRI)一起举行。该研讨会原定于3月23日在英国剑桥举行,但由于COVID-19大流行而改为一系列在线讲座。
2020-05-12 cs.HC cs.RO
Exploring Human-robot Interaction by Simulating Robots
TU Wien(维也纳工业大学)
随着协作机器人进入工业车间、物流和制造业,快速灵活地评估人机交互变得更加重要。虚拟和增强现实的消费者头戴式耳机的可用性降低了虚拟环境的进入门槛。在本文中,我们探讨了不同的方面,使用这样的环境来模拟机器人在用户研究,并提出了第一个发现,从我们自己的研究工作。最后,我们建议方向的应用和使用模拟在人机交互。
2022-09-20 cs.HC cs.RO
Robot Assisted Tower Construction - A Resource Distribution Task to Study Human-Robot Collaboration and Interaction with Groups of People
Cornell University(康奈尔大学);Robinhood(罗宾汉);RoBotany(机器人植物学)
人类与机器人协作或人类与机器人合作的研究主要集中在理解和实现单个机器人与单个人类之间的协作。将人机协作研究扩展到二元体之外,提出了关于机器人如何在组成员之间分配资源以及分配的社会和任务相关后果的新问题。需要方法上的进步,使研究人员能够收集有关涉及多人的人类机器人协作的数据。本文介绍了塔建设,一种新的资源分配任务,允许研究人员检查机器人和人群之间的协作。通过关注机器人的资源分配(建筑任务所需的木块)是否以及如何影响协作动态和结果的问题,我们提供了一个案例,说明如何在实验室研究中应用该任务,其中有124名参与者收集有关涉及多个人类的人类机器人协作的数据。我们强调了任务可以产生的各种见解。特别是,我们发现,资源的分配会影响性能的看法,和人类团队成员之间的人际动态。
2018-12-22 cs.HC cs.RO
Study of the Importance of Adequacy to Robot Verbal and Non Verbal Communication in Human-Robot interaction
Lab-STICC(拉布-STICC研究所)
Robadom项目旨在创造一个家庭护理机器人,帮助和协助人们在日常生活中,无论是在做任务的人或在管理一天的组织。只有被人类接受,机器人才能扮演这种角色。在考虑机器人外观之前,我们决定评估人类与机器人交互期间语言和非语言沟通之间关系的重要性,以确定机器人被接受的情况。我们实现了两个实验,以研究这种接受。第一个实验研究了机器人非语言行为与其语言行为之间的关系。第二个实验研究了机器人提供正确的人机交互的能力。
2012-06-14 cs.HC cs.RO
Exploring Human's Gender Perception and Bias toward Non-Humanoid Robots
本研究通过三项调查探究人类对非人形机器人的性别感知与偏见,发现拟人化特征会使非人形机器人被赋予性别属性并影响其角色感知与可信度,强调需平衡设计元素以兼顾功能与用户亲和力。
2024-10-09 cs.HC cs.RO
Alternative Interfaces for Human-initiated Natural Language Communication and Robot-initiated Haptic Feedback: Towards Better Situational Awareness in Human-Robot Collaboration
CSIRO Data61(澳大利亚联邦科学与工业研究组织数据61);Monash University(莫纳什大学)
针对人机协作中的态势感知需求,本文实现并初步测试了面向Spot机器人的自然语言语音接口与机器人发起的触觉反馈接口。
2024-01-25 cs.HC cs.RO
Disambiguating Anthropomorphism and Anthropomimesis in Human-Robot Interaction
University of Cambridge(剑桥大学)
本文区分了人机交互中拟人化与拟人模仿的概念,明确两者责任方,为未来研究提供理论基础。
2026-02-10 cs.HC cs.RO
Judging by the Look: The Impact of Robot Gaze Strategies on Human Cooperation
University of Hamburg(汉堡大学)
人眼注视在传递信息、传达意图和理解他人的心理状态方面起着重要作用。先前的研究表明,机器人的凝视也会影响人类在互动过程中的决策和策略。然而,有限的研究已经训练人形机器人在基于凝视的数据在人机交互场景。考虑到视线影响社会交流的自然性和改变观察者的决策过程,它应该被视为人机交互中的一个重要组成部分。为了研究机器人凝视对人类的影响,我们提出了一个具体的神经模型来执行类似人类的凝视转移。这是通过扩展社交注意力模型并在观看人类玩游戏时收集的眼动跟踪数据上对其进行训练来实现的。我们将比较人类的行为表现,在机器人采用不同的凝视策略,在人与人的合作游戏的存在。
2022-08-25 cs.HC cs.RO
Web-based Experiment on Human Performance in Dual-Robot Teleoperation
University of Leeds(利兹大学)
在大多数情况下,从单机器人系统升级到多机器人系统伴随着系统有效载荷和任务性能的增加。另一方面,许多开放环境中的多机器人系统仍然依赖于遥操作。因此,人的性能是遥操作多机器人系统的瓶颈。基于这一思想,多机器人系统的共享自主性和控制方法是开放环境下机器人操作的新兴研究领域。然而,问题仍然存在:在多机器人系统中,人类代理的瓶颈对系统性能的影响有多大?本研究试图通过单机器人系统与双机器人系统在推箱子任务中的遥操作性能比较来探讨这一问题。本机器人遥操作实验是利用网路环境模拟机器人的二维运动。实验结果表明,单个人与多个机器人进行遥操作是困难的,这表明了多机器人系统共享自主权的必要性。
2022-12-13 cs.HC cs.RO
Human Impression of Humanoid Robots Mirroring Social Cues
University of Hamburg(汉堡大学)
本文通过 iCub 与 Pepper、视觉与 IMU 控制的对比实验,揭示机器人平台和控制方式如何影响人们对情感与动作镜像的感知。
2024-01-22 cs.HC cs.RO
Enhancing Human-Robot Collaborative Assembly in Manufacturing Systems Using Large Language Models
Pennsylvania State University(宾夕法尼亚州立大学)
针对制造系统中人机沟通鸿沟限制协作的问题,本研究提出融合大语言模型的人机协作装配框架,通过自然语言语音指令管理任务,案例验证其适配语言变体、高效解决错误的能力,为人机交互提升提供了可行方案。
2024-06-21 cs.HC cs.RO
Crafting with a Robot Assistant: Use Social Cues to Inform Adaptive Handovers in Human-Robot Collaboration
Monash University(莫纳什大学);Deakin University(迪肯大学)
本研究在自然手工制作场景中探讨人机交接,通过20名参与者的Wizard-of-Oz实验收集数据并构建FACT HRC数据集,揭示社交线索与任务上下文如何指导交接的时空协调及其对人类活动的影响。
2023-04-05 cs.HC cs.RO
An explorative study on how human-robot interaction is taken into account by robot developers in praxis
TU Delft IDE(代尔夫特理工大学工业设计工程学院)
从业者在开发新的机器人系统时如何考虑人机交互?本研究旨在探讨机器人产品的开发团队在其设计和实施过程中是否考虑了人的因素。我们特别感兴趣的是他们旨在实现的非语言沟通方法,以及他们如何处理这些方法的设计过程。尽管可以收集有关机器人操作不同阶段的任务和通信需求的宝贵见解,但本研究的结果表明,人类用户或旁观者的观点经常被忽视,并且缺乏有关工程人机交互方法的知识。这项研究是由11个开发团队组成的机器人制造商和学生在一个机器人建设过程中,代表总共68个个人参与者。
2021-10-05 cs.HC cs.RO
Quadrupedal Robotic Guide Dog with Vocal Human-Robot Interaction
Diablo Valley College(迪亚布洛谷学院)
导盲犬在许多人的生活中起着至关重要的作用,但训练它们是一个时间和劳动密集型的过程。我们正在开发一种方法,允许自主机器人使用直接的人机通信来物理引导人类。所提出的算法将部署在Unitree A1四足机器人上,并将自动导航到目的地,同时使用与机器人兼容的语音接口与人进行通信。该语音接口利用基于云的服务,如Amazon Polly和Google Cloud,作为文本到语音和语音到文本引擎。
2021-11-25 cs.HC cs.RO
How Human Motion Prediction Quality Shapes Social Robot Navigation Performance in Constrained Spaces
University of Michigan at Ann Arbor(密歇根大学安娜堡分校);LAAS-CNRS - University of Toulouse(法国国家科学研究中心系统分析与体系结构实验室-图卢兹大学);Inria(法国国家信息与自动化研究所)
本研究探讨了人类运动预测质量对受限空间中社交机器人导航性能的影响,发现传统指标不可靠,合作假设失效,高效导航牺牲人类效率。
2026-01-14 cs.HC cs.RO
Animation Techniques in Human-Robot Interaction User Studies: a Systematic Literature Review
University of Oslo(奥斯陆大学)
在人机交互中,机器人可以有许多不同的移动方式。一种方法是使用电影动画中的技术来指导机器人移动。这篇文章是一个系统的文献回顾,人类机器人试验,飞行员,并已应用动画技术来移动机器人的评估。通过27篇文章,我们发现动画技术改善了个体与机器人的互动,改善了个体对机器人品质的感知,理解机器人打算做什么,并显示机器人的状态或可能的情感。动画技术还可以帮助人们与不像人类或机器人的机器人建立联系。文章中的研究显示了进一步的研究领域,例如将动画原理应用于其他类型的机器人和情况,将动画技术与其他模式相结合,以及长期测试机器人使用动画技术移动。
2019-04-24 cs.HC cs.RO
Visual Attention Based Cognitive Human-Robot Collaboration for Pedicle Screw Placement in Robot-Assisted Orthopedic Surgery
Tsinghua University(清华大学);Harbin Institute of Technology(哈尔滨工业大学);Midea Corporate Research Center(美的集团企业研究中心);Midea Group(美的集团)
针对骨科椎弓根螺钉置入仍需人工操作且自动化风险高的问题,本文提出融合AR触觉界面、视觉注意外科医生模型和共享交互控制的认知型人机协作框架,实验证明其在安全性与人机工程学上优于全机器人或全人工控制。
2025-01-31 cs.HC cs.RO
Intrinsically Motivated Autonomy in Human-Robot Interaction: Human Perception of Predictive Information in Robots
University of Hertfordshire(赫特福德大学);University of Waterloo(滑铁卢大学)
在本文中,我们提出了一个完全自主和内在动机的机器人可用于HRI实验。我们认为,基于预测信息形式主义的内在动机的方法,就像这里介绍的那样,可以为我们提供一条通往自主机器人行为生成的途径,该途径能够产生足够有趣的行为,以维持与人类的互动,而不需要人类操作员在循环中。我们提出了一个可能的反应基线行为进行比较,为今后的研究。参与者对基线和适应性、内在动机行为的看法不同。在我们的探索性研究中,我们看到有证据表明,参与者认为一个内在动机的机器人不如反应性基线行为聪明。我们认为,这主要是由于选择的高适应率和环境的设计。然而,我们也看到,自适应机器人被认为是更温暖,一个因素,进行更重要的人际互动比能力。
2019-05-05 cs.HC cs.RO
Gesture-based Human-robot Interaction for Field Programmable Autonomous Underwater Robots
University of Minnesota, Twin Cities(明尼苏达大学双城分校)
水下环境的不确定性和多变性对水下机器人的实时的动态控制提出了要求,特别是在人与机器人协同作业的场景中。然而,水下环境对典型的控制和通信方法的应用施加了苛刻的限制。鉴于手势是一种自然而有效的人机交互方式,本文利用卷积神经网络实现了一个实时手势识别系统,该系统可以从单目摄像机拍摄的图像中识别出50种手势,并将其应用于人与水下机器人的交互中。我们设计了一个灵活的和可扩展的交互方案(AFEIS),通过该方案,水下机器人可以在水下现场编程的人类操作员使用定制的手势为基础的手语。本文阐述了手势识别系统和AFEIS的设计,并给出了将该系统和方案应用于水下机器人的现场试验结果。
2017-09-26 cs.HC cs.RO
Human-Robot Collaboration for the Remote Control of Mobile Humanoid Robots with Torso-Arm Coordination
Robotics Engineering Department, Worcester Polytechnic Institute (WPI)(沃斯特理工学院机器人工程系)
本文提出人机协作方法,通过协调躯干与手臂运动,提升远程控制移动人形机器人的效率与任务执行能力。
2025-05-09 cs.HC cs.RO
Robot Communication Via Motion: Closing the Underwater Human-Robot Interaction Loop
University of Minnesota, Twin Cities(明尼苏达大学双城分校)
在本文中,我们提出了一种新的方法,用于水下机器人到人的通信使用的机器人的运动作为“身体语言”。为了评估这个系统,我们开发了系统的肢体语言手势的模拟例子,称为kinemes,并通过用户研究将它们与使用闪烁的彩色灯光的基线系统进行比较。我们的工作表明,运动可以作为一个成功的通信矢量,它是准确的,易于学习,并且足够快,所有这些都不需要添加任何额外的硬件到我们的平台。因此,我们有助于“闭环”的人与机器人的互动水下提出和测试这个系统,建议一个库的可能的身体语言手势的水下机器人,并提供洞察力的非语言机器人与人的沟通方法的设计。
2018-09-21 cs.HC cs.RO
Designing Dynamic Robot Characters to Improve Robot-Human Communications
LMU Munich(慕尼黑大学)
社会辅助机器人在高度敏感的环境中导航,这对安全和与用户的沟通提出了很高的要求。特区的行动背后的理由必须在任何时候都是透明的,以赢得用户的信任和接受。虽然对不同的通信方式进行了广泛的研究,但缺乏长期研究,调查用户通信需求随时间的变化。考虑到二十年的研究在人机通信,我们制定了需要设计动态的机器人个性,以揭示SAR的全部潜力。
2023-03-09 cs.HC cs.RO
Toward Human-in-the-Loop Robot Failure Recovery: Bridging Communication Gaps in Human-Robot Collaboration
Cornell University(康奈尔大学);Cornell Tech(康奈尔科技校区);Brown University(布朗大学)
本文提出LD-HRI基准,通过游戏和数据集评估说话者请求,发现LLM请求虽提高新手成功率,但专家-新手差距仍显著,为弥合人机协作沟通差距提供基础。
2026-09-22 cs.HC cs.RO
A Review on Trust in Human-Robot Interaction
University of Massachusetts Lowell(马萨诸塞大学洛厄尔分校)
由于机器人和人机交互领域的敏捷发展,未来的机器人代理旨在扮演队友的角色,并与人类合作执行操作,而不是在特定任务中取代人类帮助人类的工具。这种与机器人合作的概念对人机交互(HRI)提出了新的挑战,这引起了HRI的一个新的研究领域,即人机信任。当人类和机器人作为合作伙伴工作时,如果人类不适当地信任机器人,工作的表现可能会降低。考虑到在不同的HRI领域观察到的人-机器人信任的影响,许多研究人员研究了人-机器人信任领域,并研究了与人-机器人信任相关的各种问题。在这项工作中,我们回顾了过去的工作,人-机器人信任的研究主题的基础上,并讨论了在这一领域的选择趋势。在此基础上,本文最后提出了一些未来研究的思路和方向。
2021-05-20 cs.CY cs.HC cs.RO
Comparison of Lexical Alignment with a Teachable Robot in Human-Robot and Human-Human-Robot Interactions
University of Pittsburgh(匹兹堡大学)
说话者在调整彼此的会话行为的过程中建立融洽关系。融洽产生的可教代理,而指导域材料已被证明是促进学习。过去的工作在教育领域的词汇对齐遭受的局限性,在这两个措施来量化对齐和对齐与代理人的互动类型进行了研究。在本文中,我们应用基于共享表达式(可能由多个单词组成)的数据驱动概念的对齐措施,并将一对一人机(H-R)交互中的对齐与协作人机(H-R)的H-R部分进行比较机器人(H-H-R)交互。我们发现,学生在H-R设置对齐可教机器人比在H-H-R设置和词汇对齐和融洽之间的关系是更复杂的比以前的理论和实证工作预测。
2022-09-23 cs.CL cs.HC cs.RO
Improved Trust in Human-Robot Collaboration with ChatGPT
University of Florida(佛罗里达大学)
本文设计基于 ChatGPT 的 RoboGPT 系统,用自然语言控制 7 自由度机械臂完成协作装配,并通过人体实验证明其能增强沟通与信任。
2023-04-25 cs.AI cs.HC cs.RO
Why Did the Robot Cross the Road? A User Study of Explanation in Human-Robot Interaction
Georgia Institute of Technology(佐治亚理工学院);H2O.ai
这项工作记录了一项试点用户研究,评估了对比,因果和示例解释在支持人类理解人工智能在一个假设的普通人类机器人交互HRI场景的有效性。在这样做的过程中,这项工作将可解释的AI XAI置于社会科学的背景下,并建议在社会科学的指导下改进HRI解释。
2020-11-30 cs.AI cs.HC cs.RO
Adapting Robot's Explanation for Failures Based on Observed Human Behavior in Human-Robot Collaboration
KTH Royal Institute of Technology(皇家理工学院);Lancaster University(兰卡斯特大学)
本研究通过解读人机协作中人类行为预测用户困惑,构建数据驱动预测器预测困惑,并提出基于该预测器调整机器人故障解释详细程度的机制,以提升协作自然性与效率。
2025-04-13 cs.AI cs.HC cs.RO
Game-Theoretic Modeling of Human Adaptation in Human-Robot Collaboration
Carnegie Mellon University(卡内基梅隆大学)
在人类-机器人团队中,人类通常从一个不准确的机器人能力模型开始。当它们与机器人交互时,它们推断机器人的能力并部分适应机器人,即,他们可能会根据观察到的结果和机器人的动作改变自己的动作,而不复制机器人的策略。我们提出了一个博弈论模型的人的部分适应机器人,在那里的人响应机器人的行动,通过最大化的奖励函数,随着时间的推移而改变随机,捕捉他们的期望机器人的能力的演变。然后,机器人可以使用这个模型来最佳地决定采取行动,向人类展示其能力,并在人类当前拥有的信息下采取最佳行动。我们证明了在一定的可观测性假设下,最优策略可以有效地计算。我们通过一个人类受试者的实验表明,该模型显着提高人类机器人团队的性能相比,政策,假设完全适应人类的机器人。
2017-04-06 cs.RO
Safe and Efficient Exploration of Human Models During Human-Robot Interaction
Carnegie Mellon University(卡内基梅隆大学)
许多人机协作任务要求机器人在人类周围保持安全并高效工作。由于机器人只能在自己的人类模型中保持安全,我们希望机器人学习一个好的人类模型,以便安全有效地行动。本文研究的方法,使机器人能够安全地探索空间的人-机器人系统,以改善机器人的模型的人,这将因此允许机器人访问一个更大的状态空间,更好地与人类一起工作。特别地,我们在基于能量函数的安全控制框架下引入主动探索,研究不同主动探索策略的效果,最后分析安全主动探索对解析模型和神经网络模型的影响。
2022-08-01 cs.RO
Optimization of Humanoid Robot Designs for Human-Robot Ergonomic Payload Lifting
Istituto Italiano di Tecnologia(意大利理工学院);The University of Manchester(曼彻斯特大学)
当人类和人形机器人进行物理协作时,人机工程学是需要考虑的关键因素。假设一个给定的人形机器人,几个控制架构存在现今解决人体工程学物理人机协作。本文进一步考虑机器人的硬件参数作为优化变量的问题的合作有效载荷升降。机器人的运动学和动力学参数化变量保证了它们的物理一致性,并且在优化问题中考虑了人体模型。通过利用所提出的建模框架,交互的人机工程学被最大化,这里由代理的能量消耗给出。机器人运动学,动力学,硬件约束和人类的几何形状时,考虑解决相关的优化问题。所提出的方法是用来确定最佳的硬件参数的ergoCub机器人,人形拥有一定程度的具身智能与人类的人机交互的设计。对于优化问题,起点是iCub人形机器人。所获得的机器人设计达到负载的高度范围为0.8-1.5米的iCub机器人,其范围被限制在0.8-1.2米。机器人的能量消耗减少了约33%,同时,人类的人机工程学得到了保留,从而改善了整体交互。
2022-11-24 cs.RO
Sympathy Begins with a Smile, Intelligence Begins with a Word: Use of Multimodal Features in Spoken Human-Robot Interaction
Heriot-Watt University(赫瑞-瓦特大学)
从人类面部表情或语音韵律中识别社会信号是人机交互研究中的一个热门研究课题。在口语对话社区中也有一长串的研究,调查与对话特征相关的用户满意度。然而,很少有研究涉及多模态的社会信号和语言功能的组合,在口语面对面的人机交互过程中检测到的用户感知的机器人。在本文中,我们展示了人类用户的不同情感的面部表情,结合人类语音的韵律特征和人机对话的特征,与用户的机器人的印象后,对话。我们发现,在用户的识别面部表情的幸福感强烈相关的机器人的可爱性,而对话相关的功能(如人类的回合数或每机器人话语的句子数)与感知机器人智能。此外,我们表明,面部表情,情感特征和韵律是更好的预测人类评级相关的感知机器人的可爱性和拟人化,而语言和非语言功能更经常预测感知机器人的智能和可解释性。因此,这些特征将来可以用作基于原位强化学习的自适应人机对话系统的在线奖励信号。
2017-06-08 cs.CL cs.HC cs.RO
Human-Recognizable Robotic Gestures
National University of Singapore(新加坡国立大学);The Chinese University of Hong Kong(香港中文大学)
为了让机器人适应人类的空间和人类的日常活动,机器人应该能够理解来自人类对话伙伴的信息。同样,人类也必须理解机器人传达的信息,包括非语言信息。我们进行了一项基于网络的视频研究,其中参与者对拟人化机器人产生的标志性手势和表情进行了解释。在呈现的15个手势中,我们发现6个机器人手势可以被人类观察者准确识别。这些是点头,鼓掌,拥抱,表达愤怒,走路和飞行。我们从人类和动物行为的文献中回顾了这些手势的意义。最后,我们讨论了这些手势的设计,旨在与人类进行互动的社交机器人的可能影响。
2012-12-26 cs.AI cs.HC cs.RO
Human-Robot Mutual Adaptation in Shared Autonomy
Carnegie Mellon University(卡内基梅隆大学);National University of Singapore(新加坡国立大学)
共享自主性将用户输入与机器人自主性相结合,以控制机器人并帮助用户完成任务。我们的工作旨在提高这样一个人-机器人团队的性能:机器人试图引导人类走向一个有效的策略,有时违背人类自己的偏好,同时仍然保持他的信任。我们通过一个原则性的人-机器人相互适应的形式主义来实现这一点。我们将人类的有界记忆适应模型集成到部分可观察的随机决策模型中,使机器人能够适应适应性强的人类。当人类适应性强时,机器人会引导人类采取一个好的策略,也许人类事先不知道。当人类固执而不适应时,机器人会遵从人类的偏好,以保持他们的信任。在共享自治设置中,与许多其他常见的人机协作设置不同,只有机器人的动作可以改变世界的物理状态,人类和机器人的目标并不完全可观察。我们解决这些挑战,并显示在人类受试者的实验中,提出的相互适应形式主义提高人类-机器人团队的性能,同时保持高水平的用户信任的机器人,相比,有机器人严格遵循参与者的偏好的常见方法。
2017-01-26 cs.RO
SENSAR: A Visual Tool for Intelligent Robots for Collaborative Human-Robot Interaction
在智能机器人和人类之间建立共同点需要将机器人的意图、行为和知识传达给人类,以建立信任并确保共享环境中的安全。本文介绍了SENSAR(Seeing Everything iN Situ with增强现实),一个增强现实机器人系统,使机器人能够在真实世界的背景下与渲染的图形交流他们的感官和认知数据,允许用户理解,纠正和验证机器人对世界的感知。我们的系统旨在通过建立人类和机器人的感知对齐的共同点来支持人机交互研究。
2020-11-09 cs.RO
ARROCH: Augmented Reality for Robots Collaborating with a Human
SUNY Binghamton(纽约州立大学宾汉姆顿分校);OPPO US Research Center(OPPO美国研究中心)
人机协作通常需要广泛的通信,例如,使用自然语言和手势。增强现实(AR)为弥合机器人与人之间的沟通鸿沟提供了另一种方式。然而,目前大多数基于AR的人机通信方法是单向的,专注于人类如何适应机器人的行为,并限于单机器人域。在本文中,我们开发了AR机器人与人类协作(ARROCH),这是一种新的算法和系统,支持室内多房间环境中的双向,多转向,人-多机器人通信。人类可以透过障碍物观察机器人的当前状态和意图,并提供反馈,而机器人的行为则会调整为人类-多机器人团队合作。实验已经进行了真正的机器人和人类参与者使用协作交付任务。结果表明,ARROCH在用户体验和团队效率方面都优于标准的非AR方法。此外,我们还使用Unity(用于AR和人体模拟)和Gazebo(用于机器人模拟)开发了一个新的模拟环境。仿真结果表明,ARROCH的优越性基于AR的基线在人机协作。
2022-02-25 cs.RO
Socially Impaired Robots: Human Social Disorders and Robots' Socio-Emotional Intelligence
University of Technology Sydney(悉尼科技大学)
社交机器人需要智能才能安全地与人类共存和互动。机器人没有理解他人的功能能力,无法同情可能是一种社会风险,它们可能导致社会受损的机器人社会。在这项工作中,我们提供了三个相关的人类社会障碍,即自闭症,精神病和精神分裂症,作为一种手段,以更好地了解社会机器人的未来能力要求的调查。我们提供的证据支持这样一种观点,即社交机器人需要情商和社交智能的结合,即社交情商。我们认为,一个简单的社会情感过程的机器人需要一个模拟驱动的智能模型。最后,我们为设计未来的社会情感机器人提供了一些重要的指导方针。
2016-02-15 cs.CY cs.HC cs.RO
Human-centered AI with focus on Human-robot interaction (Book chapter)
University of Salerno(萨莱诺大学)
本章基于以人为本人工智能原则,首次提出“双重金字塔”框架,系统梳理从微观一对一交互到宏观社会层面的人机交互人类需求,并关联联合国可持续发展目标。
2025-07-05 cs.AI cs.HC cs.RO
Robots that Take Advantage of Human Trust
Stanford University(斯坦福大学)
人类通常认为机器人是理性的。我们相信机器人会在给定目标的情况下采取最优行动;因此,当我们不确定机器人的目标是什么时,我们会将机器人的行动解释为相对于我们对其目标的估计而言是最优的。当机器人直接优化其目标时,这种方法是有意义的,并使人类能够了解机器人试图实现的目标。然而,我们的观点是,当机器人意识到人类通过信任机器人的行为是理性的来学习时,智能机器人不会像人类期望的那样行事;相反,它们利用人类的信任,并利用这种信任更有效地优化自己的目标。在本文中,我们正式建模的人与机器人交互(HRI)的情况下,人类不知道机器人的目标,使用一个两人游戏。我们制定了不同的方式,机器人可以模拟不确定的人,并比较这个游戏的解决方案时,机器人有保守,乐观,理性和信任的人类模型。在离线线性二次案例研究和实时用户研究中,我们表明信任人类模型可以自然地导致机器人的交流行为,从而影响最终用户并增加他们的参与。
2019-09-12 cs.RO
Does human-robot trust need reciprocity?
Italian Institute of Technology(意大利理工学院)
信任是人与人和人与机器人交互的标志之一。大量证据表明,人类之间的信任需要互惠。相反,人机交互(HRI)的研究主要依赖于一个单向的信任观,专注于机器人的可靠性和性能。目前的论文认为,互惠也可能在人类和机器人之间相互信任和成功合作的出现中发挥关键作用。我们将收集和讨论揭示人机信任中相互维度的作品,为HRI中信任的双向和动态视图铺平道路。
2021-10-18 cs.RO
Rude Humans and Vengeful Robots: Examining Human Perceptions of Robot Retaliatory Intentions in Professional Settings
Australian Catholic University(澳大利亚天主教大学);Queensland University of Technology(昆士兰科技大学);Monash University(莫纳什大学)
该研究通过2×3在线第一人称视角视频实验,考察专业工作场景中人类对机器人报复意图的感知,发现人们期望机器人遵循社会期望,且机器人面对无礼时表现得更有气度会带来积极感知,为社交机器人设计提供参考。
2025-03-21 cs.AI cs.HC cs.RO
Safety Assurances for Human-Robot Interaction via Confidence-aware Game-theoretic Human Models
UC Berkeley(加州大学伯克利分校)
人机交互安全方法的一个突出挑战是在保持对人类行为变化的鲁棒性的同时减少其保守性。在这项工作中,我们建议,机器人使用的信心,意识到人类行为的博弈论模型时,评估安全的人机交互。通过将人类和机器人之间的影响以及人类的理性视为未观察到的潜在状态,我们可以简洁地推断出人类遵循博弈论交互模型的程度。我们利用这个模型来限制在安全验证过程中的一组可行的人类控制,使机器人能够自信地在线调节其安全监视器的保守性。在模拟的人类-机器人场景和消融研究的评估表明,充满信心的游戏理论模型的安全监视器,使安全和有效的人机交互。此外,与真实的交通数据的评估表明,我们的安全监测是保守性低于传统的安全方法在真实的人类驾驶场景。
2021-10-30 cs.RO
The Robot in the Room: Influence of Robot Facial Expressions and Gaze on Human-Human-Robot Collaboration
University of Hamburg(汉堡大学)
机器人面部表情和凝视是增强人机交互(HRI)的重要因素,但它们对人类协作和感知的影响还没有得到很好的理解,例如,在协作游戏场景中。在这项研究中,我们设计了一个合作的三元HRI游戏的情况下,两个参与者一起工作,插入到一个形状分类器的对象。一名与会者担任了导游。向导指导扮演演员角色的另一位参与者将遮挡的物体放入分类器。一个人形机器人发出指令,观察互动,并显示社交线索,以引起两个参与者的行为变化。我们测量了人类的合作作为任务完成时间的函数,以及参与者对机器人的感知,将其行为评为智能或随机。参与者还通过填写Godspeed问卷来评估机器人。我们发现,与中性面部表情相比,当机器人在游戏开始时表现出快乐的面部表情时,人类的合作程度更高。我们还发现,当机器人在游戏结束时表现出积极的面部表情时,参与者认为机器人更聪明。机器人的行为也被认为是智能的,当它在互动开始时将目光投向向导,而不是演员。这些发现为机器人面部表情和凝视如何影响人类在协作中的行为和感知提供了见解。
2023-03-24 cs.RO
Human-Human & Human-Robot Interaction Transformer (H2INT) for Robot Navigation in Dense and Uncertain Crowds
School of Automation, Beijing Institute of Technology(北京理工大学自动化学院);State Key Laboratory of Autonomous Intelligent Unmanned Systems(自主智能无人系统国家重点实验室)
本文提出H2INT强化学习框架,通过分层关系编码与课程学习提升密集不确定人群中机器人导航的安全性与鲁棒性,可迁移至不同人群布局,经仿真与真实机器人部署验证有效。
2026-09-07 cs.RO
Human Leading or Following Preferences: Effects on Human Perception of the Robot and the Human-Robot Collaboration
University of Waterloo(滑铁卢大学)
本研究提出整合人类主导/跟随偏好与绩效的主动式任务规划框架,经用户研究验证可提升人机协作绩效与人类积极感知,还发现领导/跟随风格与协作效果存在值得探究的关联。
2024-10-28 cs.RO
From Human-Computer Interaction to Human-Robot Social Interaction
University of Batna(巴特纳大学)
本文探讨了人机社会交互领域,结合人机交互与人机交互的研究,整合机器人的情感与能力概念,以提升人机交互效果,并讨论相关挑战。
2014-12-03 cs.HC cs.RO cs.SY
CoGrasp: 6-DoF Grasp Generation for Human-Robot Collaboration
Purdue University(普渡大学)
机器人抓取是机器人学中一个活跃的研究领域,主要集中在物体操作的抓取质量。然而,尽管取得了进步,这些方法没有考虑机器人和人类必须同时抓取相同物体的人机协作设置。因此,生成与同时保持物体的人类偏好兼容的机器人抓握变得必要,以确保安全和自然的协作体验。在本文中,我们提出了一种新的,深神经网络为基础的方法,称为CoGrasp,产生人类感知的机器人掌握的上下文环境中的对象抓取到机器人把握选择过程中的偏好模型。我们验证我们的方法对现有的国家的最先进的机器人抓取方法,通过模拟和真实的机器人实验和用户研究。在真实的机器人实验中,我们的方法在产生稳定的抓握方面实现了约88%的成功率,这也允许人类以社会兼容的方式同时交互和抓握物体。此外,我们对10名独立参与者的用户研究表明,与标准机器人抓取技术相比,我们的方法能够实现安全,自然和社会意识的人机对象的共同抓取体验。
2022-10-06 cs.CV cs.HC cs.LG
Human-Robot Collaboration: A Non-Verbal Approach with the NAO Humanoid Robot
本研究探讨NAO仿人机器人在厨房备餐等场景下,通过手势、肢体动作和视觉提示等非语言方式提供反馈以增强人机交互与安全性,发现多提示结合可提升交流效果,为未来机器人设计提供参考。
2025-03-07 cs.RO
Human Motion Prediction for Human-Robot Collaboration
本文比较了三种人体运动预测方法(GMM聚类、TransFusion、Graph-Mixer)在人机协作中的效果,通过预判人体运动来改进机器人规划,提升动态环境的安全与效率。
2026-09-29 cs.RO
Human-Robot Interaction using VAHR: Virtual Assistant, Human, and Robots in the Loop
American University of Beirut(贝鲁特美国大学);Lebanese American University(黎巴嫩美国大学)
本文提出VAHR系统,通过Alexa实现双向通信以控制多机器人,实验表明其显著降低注意力需求并提升多任务效率,但需提升操作员信任。
2023-03-31 cs.RO
Enabling Robots to Infer how End-Users Teach and Learn through Human-Robot Interaction
Rice University(莱斯大学)
在人机交互(HRI)中,我们希望机器人理解我们,我们希望直观地理解机器人。为了与机器人进行交流和理解,我们可以利用交互,人类和机器人可以观察彼此的行为。然而,人类和机器人应该如何解释这些动作并不总是很清楚:一个给定的交互可能意味着几个不同的事情。在当今的最先进技术中,机器人为人类分配一个单一的交互策略,并根据这个固定的策略向人类学习或教导人类。相反,我们在这里认识到,不同的用户以不同的方式进行交互,因此一种尺寸并不适合所有人。因此,我们认为,机器人应该保持一个分布在可能的人类互动策略,然后推断每个终端用户如何在任务过程中进行交互。当机器人不确定人类的交互策略时,我们正式定义了学习和教学,并使用贝叶斯推理推导出这两个问题的解决方案。在示例和基准模拟中,我们表明我们的个性化方法优于保持固定交互策略的标准方法。
2019-02-02 cs.RO
Human-Robot Collaboration: From Psychology to Social Robotics
KTH Royal Institute of Technology(瑞典皇家理工学院)
随着机器人技术的发展,人机协作的研究越来越受到重视。对于机器人来说,要想自主地与人类互动,他们需要主动做出决策,并将人类伙伴考虑在内。然而,国家的最先进的研究在人力资源管理往往假设一个领导者和追随者的分工,其中一个代理人领导的互动。我们认为,这是由于缺乏一个可靠的代表人类和环境,让自主决策。这个问题可以克服体现的方法,以人权委员会的灵感来自心理学研究的人与人的互动(HHI)。在这项调查中,我们回顾了神经科学和心理学的发现,感觉运动模式,管理HHI和查看他们在机器人的背景下。此外,我们研究了机器人社区向体现HRC方向所取得的进展。我们专注于积极的,物理的人机协作所需的机制。最后,我们讨论了这两个研究领域的异同,指出了未来研究的方向。
2017-05-29 cs.RO
A Review of Communicating Robot Learning during Human-Robot Interaction
Virginia Tech(弗吉尼亚理工大学);Purdue University(普渡大学)
本文综述了人机交互中机器人如何将自身学习过程反馈给人类的方法与成果,强调学习与通信协同设计可提升教学效果、信任和共同适应,并通过案例研究验证了集成方法。
2023-12-01 cs.RO