识别和理解隐含的求助需求并综合援助行动的常识推理

Feb, 2022

识别和理解隐含的求助需求并综合援助行动的常识推理

Commonsense Reasoning for Identifying and Understanding the Implicit Need of Help and Synthesizing Assistive Actions

Maëlic Neau, Paulo Santos, Anne-Gwenn Bosser, Nathan Beu, Cédric Buche

TL;DR提出了一种利用场景图生成和常识知识的架构来检测用户隐含需求并生成一组辅助动作的方法，同时也使用情感分析来解决任务，实现了感知、决策、动作循环的嵌入。

Abstract

human-robot interaction (HRI) is an emerging subfield of service robotics. While most existing approaches rely on explicit signals (i.e. voice, gesture) to engage, current literature is lacking solutions to address implicit user needs. In this paper, we present an architecture to (a) d

human-robot interaction implicit user needs assistive actions scene graph generation commonsense knowledge

发现论文，激发创造

辅助模型生成人机交互场景

在人机交互系统中，结合代理模型的场景生成系统可以有效地合成多样而具有挑战性的场景，并且在真实世界的交互中可以重现这些失败情境。

Apr, 2023

基于知识驱动的人机交互虚拟现实演示的机器人程序合成

本文介绍了一种通过虚拟现实人类任务演示自动生成可执行机器人控制程序的系统，利用常识知识和基于游戏引擎的物理，以及自动路径规划和代码生成，实现了具有表现力和通用性的任务表示，在强力抓取和放置机器人购物助手的场景中进行了演示。

Jun, 2023

知识图谱嵌入在长期人机交互中的知识获取和补充

该研究提出了一种用于在长时间内不断学习机器人环境并增量式更新其内部知识图谱表示的架构，采用知识图谱嵌入技术对获取的信息进行泛化，通过一系列增量学习会话来评估机器人从未知上下文中学习实体和关系的能力。

Jan, 2023

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

交互式机器人操作的混合组合推理方法

本文介绍了一种神经符号 (混合) 组合推理模型，以将语言引导的视觉推理与机器人操作相结合。该模型通过使用共享的原始技能库以任务非特定的方式处理所有情况。通过语言解析器将输入查询映射为由这些原语组成的可执行程序取决于上下文。结果表明，该方法达到了非常高的准确性，同时可以进行少量的视觉微调，从而实现了真实场景的可转移性。

Oct, 2022

让社交机器人处理社交线索，检测何时帮助用户

本文提出一种基于社交线索的多模态融合方法，利用眼神和语言等社交线索实现实时的用户需求识别，这有助于社交机器人适应用户行为和喜好，从而提高用户体验。

Oct, 2021

基于常识推理的零样本提示对隐性意图预测和推荐的应用

本文提出了一个多域对话系统的框架，该系统可以自动推断用户话语的隐含意图并使用大型预训练语言模型触发适当的单任务导向机器人以执行任务，此框架能够有效地实现隐式意图和零 - shot 推荐。

Oct, 2022

利用增强现实技术和手势控制实现直观的人机协作

通过增强现实和基于手势的系统，支持直观的人机合作并改善信息交换，以实现人机团队合作在服务任务中的现实应用，并为自主 HRI 系统的未来开发、实验提供指导。

Sep, 2019

基于偏好推理和解释的知识驱动自适应辅助方法

本文提出了用模拟心理理论来推断用户的意图，并使用提示引擎找到相应的辅助，从而达到解释机器人推理过程的目的，并通过知识驱动的方法透明推理。

Dec, 2020

学习向人类请求丰富和有上下文作用的信息的框架

通过使用互动框架，让人类协助 AI agent 克服自身局限，并在以前未见过的环境中解决导航问题。

Oct, 2021