Dec, 2023

在与可解释和不可解释机器人的交互中挖掘多模态通信模式

PDF
TL;DR探究人与能解释和不能解释的机器人交互的模式，通过视频记录和分析人类在一个棋盘游戏中指示解释性或非解释性机器人移动棋子的行为，并转化成交易以进行关联规则挖掘，发现通信模式以及性别和机器人类型之间的强相关性，结果表明对人类交互模式进行情境化处理是重要的，相关规则帮助设计机器人以更好地适应与人类的交互。
interaction patternsexplainable robotsnon-explainable robotsassociation ruleshuman behavior
发现论文，激发创造
  • 评估强化学习场景中机器人行动的类人解释

    本文探讨了透明度逐渐成为自主智能系统的必要品质，提供了人性化的基于成功概率的解释方法，并通过用户调查证明该种解释对于非专业人士更易理解和接受。

    Jul, 2022

  • 解释自己！解释在人机交互中的影响

    研究通过比较两个游戏机器人的表现来探究机器人决策解释对人类感知的影响，发现机器人提供解释并不能改变机器人的可信度、智能、好感度和安全性评级，但提供解释的机器人被认为更有生命力和人性化。这项研究表明，机器人决策解释具有提高人机交互及其各种效果的潜力，需要进行进一步评估。

    Apr, 2022

  • 可解释的自主机器人：一项调查与展望

    该研究论文探讨自主机器人技术中关于 “可解释性” 的研究进展与定义，进而进行相关领域的研究概述，并提出需要深入研究的关键主题。

    May, 2021

  • 人机协作中的交互式计划可解释性

    本文考虑了人机团队合作的问题，并基于计划可解释性的概念，将其扩展到考虑交互设置。结果表明，我们的算法生成的计划的可解释度得分与人类计划相当，并且比不考虑该度量的 FF 计划更好，从而更好地满足人类期望，提高人机合作效率。

    Jan, 2019

  • 内在和外在可解释性的整合：理解神经网络对于人机交互的相关性

    阐释了可解释人工智能在协作、神经机器人学和人形机器人等方面的现状，并介绍了人形机器人平台 NICO 及其内在与外在解释如何促进高效的机器人行为。

    Oct, 2020

  • 可解释的目标导向智能体和机器人 —— 综合评述

    该文章重点讨论解释目标驱动型智能代理人和机器人的方法，强调透明度、可理解性和持续学习的策略。它提出了可行的目标驱动可解释代理人和机器人的实现路径和要求。

    Apr, 2020

  • 复杂人机协作任务中的解释生成联合心智建模

    人与机器协作中，提出了一种基于可解释人工智能（XAI）框架的思维感知沟通技术，借助贝叶斯推理算法，机器建立了人类用户的层次化精神模型，并生成自身思维的解释，实验证明该方法显著提高了协作表现和机器被用户感知的程度。

    Jul, 2020

  • 计划解释作为模型调和的实证研究

    本文通过在模拟搜救情景中测试算法，在考虑到自主系统行为的未解释性与人类理解之间的区别的情况下评估解释生成算法，研究人类与机器人间建立互信的过程以及这些算法特性被人类评价的程度。

    Feb, 2018

  • 机器人任务规划的可解释性和可预测性

    针对智能机器人的高水平任务计划存在的问题，提出了 “计划可解释性” 和 “可预测性” 的概念，通过条件随机场模型学习标签方案并对新计划进行标签，用以提高机器人计划的可解释性和可预测性，该方法经过了人机交互和实际机器人测试并取得了较好的性能。

    Nov, 2015

  • 学习用非语言表达传达功能状态，以提高人机协作

    通过调节非语言音频表达的声学参数值，基于强化学习算法和人类反馈，研究评估了协作机器人内部状态的非语言音频表达对用户是否准确理解机器人状态的影响。

    Apr, 2024