Mar, 2022

正式化 HRI 数据收集过程

PDF
TL;DR本文旨在探讨机器学习模型训练的数据收集过程，介绍了一种基于最新文献的三步数据收集方法，并以口头表达语料库的收集为例进行说明，设计任务环境及任务本身，鼓励参与者丰富和充分的输出，希望本工作能够鼓励更多的 HRI 社区展开数据收集的正式努力，并且在研讨会上引发更多有益的讨论。
human-robot interactiondata collectionmachine learningreferring expressionsuser studies
发现论文，激发创造
  • 为基于理解语境的语言模型收集交互式多模态数据集

    本文介绍了利用自然语言任务进行协作的实体代理模型，发展出了可扩展的数据收集工具，并采集了互动立足语言理解的第一个数据集，以便进一步研究机器模拟人类智能适应新任务与环境的能力。

    Nov, 2022

  • 自然发生的人机交互的顺序注释：初步洞察

    我们提出了一种方法来改善嵌入式对话代理的交互，该方法基于 Conversation Analytic 的序列和多模态分析，使用实例是 Pepper 机器人在图书馆中向用户提供信息和指导，通过创建一个自然发生的交互语料库并提供给社区，提出并学习更好的交互模式。为此，我们提出了一种基于语言和多模态资源在人机交互中的理论基础的注释实践。

    Aug, 2023

  • 人工智能决策的科学化：经验研究综述

    研究了人工智能辅助下的人类决策制定，结合超过 100 篇论文总结了该领域的三个重要方面，即决策任务、AI 模型和 AI 辅助元素以及评估指标并提出了未来研究建议，强调建立共同框架以促进人工智能和人机交互社区协作，形成推广的科学知识。

    Dec, 2021

  • 识别和理解隐含的求助需求并综合援助行动的常识推理

    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。

    Feb, 2022

  • 可解释人工智能的定性研究：来自社会科学的更多见解

    本文分析了解释性人工智能（XAI）领域中用户研究的质性调查，提出通过社会科学语料库的方式，改进 XAI 研究者使用观察、访谈、焦点小组和 / 或问卷捕捉质性数据的研究索求。文章根据质性研究文献中所描述的相关要素上下文化呈现 XAI 论文的研究成果：1）基础理论或框架，2）方法论方法，3）数据收集方法和 4）数据分析过程。分析结果支持 XAI 社区中其他研究者的呼吁，倡导与社会学科领域的专家合作以加强用户研究的严谨性和有效性。

    Nov, 2020

  • 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

  • 人工智能相互作用在人机交互界面设计中的新应用

    探讨了人类意识到的机器智能（human-aware AI）如何应用于人机交互（HRI），从观察时序设计算法，真正改变了人们对人工智能和科学研究的看法。

    Oct, 2022

  • AI-HRI 2021 论文集

    本文介绍了自 2014 年以来人工智能与人机交互研究会的历次会议，并讨论了其研究重点和主题，包括关于信任、XAI、服务机器人以及互动学习等。在 AR 和 VR 的新趋势下，特别鼓励提交不含物理机器人的评估研究，并阐述了在 HRI 中道德问题的考量。

    Sep, 2021

  • 多模态会话任务引导系统中的人类参与方法

    本文讨论了人类在指定任务中使用应用程序所面临的挑战，提出了任务引导系统的发展需要寻找信息检索和会话系统来帮助任务的执行者，并针对现有数据集开发了一个基于 Wizard-of-Oz 的数据收集工具，进行了初步实验。

    Nov, 2022

  • 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