Feb, 2018

行动预测：读懂人类和机器人的意图

PDF
TL;DR本研究致力于研究人类如何利用共享的运动副本和动作模型等非语言视觉线索阅读他人的行为意图，研究人员使用实验数据和计算模型来验证其在人机交互领域中的应用，结果表明该模型对于解读人类行为意图和实现可读性交互是可行的。
non-verbal cueshuman-robot interactionmotion-gaze recordingsintention readingrobotic systems
发现论文，激发创造
  • 凝视意图估计：在 HRI 中的原理、方法和应用

    该论文综述了视觉注意力、眼动追踪及基于注视点的意图识别在智能机器人、电信系统和辅助机器人系统中的应用，并强调了设计这些系统时需要考虑的重要人因素问题和当前的限制。

    Feb, 2023

  • 预测与服务机器人互动意图：凝视线索的作用

    对于服务机器人来说，关键是能够尽早地察觉到接近的人有意互动，以便主动采取友好行为，从而提升用户体验。我们通过一个自监督训练的序列到序列分类器来解决这个感知任务，主要研究了在这种情况下表示人的目光的特征的益处。在一个新的数据集上进行的大量实验证明，包含目光线索显著提高了分类器的性能（AUROC 从 84.5% 增加到 91.2%），能够实现准确分类的距离从 2.4 米提高到 3.2 米。我们还量化了系统在无外部监督的情况下适应新环境的能力。定性实验证明了与服务员机器人的实际应用。

    Apr, 2024

  • 以意图为条件的注视导向图神经网络用于动作预测

    通过将人类凝视引入计算算法，我们提出了一种基于视觉 - 语义图的 “凝视引导行为预测” 算法，利用图神经网络识别行为者的意图并预测行为序列以达到该意图，并通过收集包含人类凝视数据的 VirtualHome 环境中生成的家庭活动数据集，在 18 类意图识别的准确性上实现了 7% 的改进，凸显了我们方法从人类凝视数据中学习重要特征的效果。

    Apr, 2024

  • 人机交互中的非语言提示：传播学视角

    本文提出将非语言暗示转化为人机交互设计的解决方案，通过遵循沟通学的五个人类感官系统（视觉，听觉，触觉，嗅觉，味觉）的非语言暗示准则来实现。并论述了将这些准则应用到人机交互设计模式的设计中，并给出了研究方向，以推进人机交互领域的非语言沟通和改进人机沟通的方向。

    Apr, 2023

  • 仅依靠动作预测人类意图：一种 2D+3D 融合方法

    本文提出一种新的多模态数据预测人类意图的方法，通过机器学习算法分析运动学信息、运用分类任务进行实验验证、结合 3D 和 2D 数据以及 2D+3D 融合分析，成功预测出未来的动作，展示了多模态方法在上下文无关的人类意图预测中的优越性。

    May, 2016

  • 利用凝视和运动特征的意图估计，用于人机共享控制的物体操作

    使用自然注视和运动特征来预测当前动作和目标对象的一个意图估计框架，可在较拥挤的场景中在单手或双手操作时进行训练和测试，并提出了一个基于规则的模型来识别双手操作。

    Aug, 2022

  • 人机协作任务中的感知 - 意图 - 动作循环

    研究了人机协作任务中感知 - 意图 - 行动循环，其中意图是关键问题，通过建立一个力模型来模拟认知与协同功能过程，确定了在人机协作中行动角色的固有性质。

    Jun, 2022

  • 利用文本预测行动动机

    本文介绍了在计算机视觉中应用自然语言模型，从大量文本中获取知识；通过将该知识转移到视觉任务中，可以帮助计算机视觉系统理解人们在图像中执行操作的动机，尽管完全理解动机仍然有很长的路要走。

    Jun, 2014

  • 通过预测未来动态图像来预测动作

    本文提出了一种使用动态图像和定制损失函数的生成模型来预测人类行为的方法，该方法在三个基准测试中相较于现有的最佳方法增强了 4% 至 5.2% 的预测准确性。

    Aug, 2018

  • 基于观测学习的因果机器人通讯

    介绍了如何应用心理学的学习行为洞见为机器人意图交流提供洞见，并通过从一个动作序列中选择性地解释因果动作的方式，使机器人更有效地传达其目的。

    Mar, 2022