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。

Feb, 2018

研究显示，与 2D 显示相比，使用混合现实头戴显示器可以更准确和快速地预测机器人的运动轨迹，提高机器人与人类协作的效率。

Aug, 2017

我们研究使用非语言行为线索和机器学习技术来预测人们对机器人行为的印象，通过观察类型的不同组合以及人类和监督学习技术的预测能力分析发现，面部表情和空间特征对人类对机器人表现的印象有用，而导航场景中的空间特征是这种推断任务中最关键的信息。在二元分类中，人类预测和机器学习模型的 F1 分数提高了一倍以上，表明它们在判断机器人表现的方向性上比精确预测性能评级更好。基于我们的研究结果，我们提供了在真实导航场景中实施这些预测模型的指南。

Oct, 2023

本综述总结了人形机器人感知领域的最新发展和趋势，识别了内部状态估计、外部环境估计和人机交互三个主要应用领域，并讨论了各个领域中不同传感器模态的应用和最近的重要研究成果。

Sep, 2023

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

本文提出了一种新型遥控系统，包含了触觉设备以及虚拟现实界面，应用于动态和非结构化环境下的空中机器人操作。利用多个传感器进行感知、姿态估计以及神经网络的主动学习等算法，针对工业领域的任务进行了验证实验，并展示了该系统在未来工业应用中的可行性。

Oct, 2022

该研究旨在从自我中心视角预测人的物体操纵行为的目标位置。他们提出了一个包含 RGB-D 和 IMU 流的大型多模态数据集，并设计了使用递归神经网络的基线方法，并进行了各种消融研究以验证其有效性，从而证明该新任务值得进一步学习。

Mar, 2022

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

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

未来人体姿势预测是机器智能的基本应用，本研究引入了一种新的多模态感知驱动的运动预测方法，通过结合外部 3D 场景和内部人类凝视信息来实现高保真度的生成，同时考虑人的意图和场景的语义连贯性，该方法在 3D 人体姿势和轨迹预测上取得了最先进的性能。

May, 2024