XiaoMi-AI文件搜索系统
World File Search SystemHRI
摘要与神经氨酸酶抑制剂（NAI）抑制减少有关的神经氨酸酶氨基酸取代
Q132K 136 Ni（1）HRI（702）HRI（131）HRI（313）体外； RECNA（74）R148K 152 Ni（1）Ni（5）Ni（3）Ri（16）Ri（16）RI（16）体外； RECNA（74）I219K 222 RI（46）RI（17）RI（11）RI（27）体外； RECNA（74）I219L 222 Ni（5）Ni（2）Ni（1）Ni（2）Rg（76）Rg（76）Rg（76）I219R 222 RI（38）Ni（2.5）Ni（2.5）Ni（8.6）ri（8.6）Ri（8.6）Ri（8.6）Ri（8.6）Ri（63）in Vitro; Shur（74）T244P 247 RI（27）RI（69）Ni（4）Ni（4）Ni（4）Ni（9）体外； RECNA（74）H271Y 274 HRI（105）Ni（2）Ni（9）Ni（2）体外； South（74）E273d 276 Ri（13）HRI（427）RI（25）RI（90）体外； RECNA（74）R289K 292 HRI（> 4600）RI/HRI（11-67）HRI（405–2487）RI（16-35）在体外； rg; SUR（74，75，77，77）N291S 294 Ni（2）RI（10）Ni（1）Ni（1）Ni（1）Ni（1）Ni（3）体外； RECNA（74）R367K 371 RI（70）RI（64）RI（29）RI（19）体外； RECNA（74）E115V+I219L 119+22222 RI/HRI（306）Ni（8）Ni（2）Ni（2）Ni（4）RG（76）RG（76）B型，不是First Ni（2-3）RI（2-3）Ri（2-3）HRI（30-34）Ri（30-34）Ri（4-5）Ri（4-5）南：RG（79）
人机交互 - CiteSeerX
人机交互 (HRI) 最近受到了学术界、实验室、科技公司和媒体的广泛关注。鉴于这种关注，有必要对 HRI 进行综述，以便为该领域以外的人提供指导，并促进该领域内对 HRI 统一愿景的讨论。本综述的目标是对 HRI 相关问题进行统一处理，确定关键主题，并讨论可能在不久的将来影响该领域的挑战性问题。尽管本综述遵循综述结构，但呈现 HRI 连贯“故事”的目标是意味着必然有一些写得好、有趣且有影响力的论文未被引用。我们不会试图综述每篇论文，而是从多个角度描述 HRI 的故事，以期确定跨应用的主题。这项调查试图纳入代表大学、政府努力、行业实验室和对 HRI 做出贡献的国家的公平横截面的论文，以及对该领域做出贡献的学科的横截面，例如人类、因素、机器人、认知心理学和设计。
有效人类的自治政策解释...
政策解释是描述自主系统行为的过程，在有效地将代理商的决策理由与人类合作者联系起来，对于安全的现实世界部署至关重要。在有效的人类机器人团队中更为至关重要，良好的沟通允许团队通过在团队内实现价值一致性在不确定的情况下成功地适应和进步。本论文提出的提议是通过开发以人为以人为本的可解释的AI（XAI）技术来改善人机团队的，该技术使自主代理人能够通过多种方式来传达其cap骨和局限性，并教学和实现人类团队的行为作为决策Sys-tems-tems-tems-tems-tems-tems-tems-Tems和Manders belds buits ind buits int y hiri systyst in hri hri hri hri hri hi ri hri hi ri hi ri hi ri。
有效人类的自治政策解释 -
政策解释是描述自治系统行为的过程，在有效地将代理商的决策理由与人类合作者联系起来，对安全现实世界的部署至关重要。在有效的人类机器人团队中更为至关重要，良好的沟通允许团队通过在团队内实现价值一致性在不确定的情况下成功地适应和进步。本论文提出的提议是通过开发以人为以人为本的可解释的AI（XAI）技术来改善人机团队的，该技术使自主代理人能够通过多种方式来传达其cap骨和局限性，并教学和实现人类团队的行为作为决策Sys-tems-tems-tems-tems-tems-tems-tems-Tems和Manders belds buits ind buits int y hiri systyst in hri hri hri hri hri hi ri hri hi ri hi ri hi ri。
Chien -Ming Huang-约翰·霍普金斯计算机科学 Jason M. Eisner-约翰·霍普金斯计算机科学 可鲁棒分析的神经纹理可变形网格 -
jiwon Moon（CS BS），CRA杰出的本科研究人员荣誉提名2025 Victor Nikhil Antony（CS PhD），Hri Pioneer 2025 Maia Stiber（CS PhD），HRI Pioneer，HRI先驱2024 Gopika ajaykumar（CS PHD），HRI PHD（CS PHD），HRI PIONEER 2023 SHIEER 20223 SHIE）本科研究人员决赛入围2022年Kaitlynn Pineda（CS博士学位），JHU计算机科学系研究员2021 Fanjun（Frank）BU（CS BS）（CS BS），CRA CRA杰出的本科生荣誉荣誉提及2021 AMAMA MAHMOOD（CS PHD）（CS PHD）奖学金2019 Maia Stiber（CS博士），JHU计算机科学系2019年Gopika Ajaykumar（CS博士），NSF研究生研究奖学金2018
迈向人类机器人自主性水平的框架
南卡罗来纳大学 Jenay M. Beer 工程与计算学院和社会工作学院 佐治亚理工学院 Arthur D. Fisk 心理学院和 Wendy A. Rogers 心理学院 自主性是与人机交互 (HRI) 相关的一个关键概念，在不同的机器人平台上存在很大差异。从远程操作到完全自主系统，机器人自主性 (LORA) 的水平影响着人类与机器人之间的交互方式。因此，需要通过识别影响机器人自主性的变量（以及受机器人自主性影响的变量）来理解 HRI。我们的总体目标是为 HRI 中的 LORA 开发一个框架。为了实现这一目标，我们的框架将 HRI 与人机交互联系起来，人机交互是一个研究和理解与人类相关的变量的悠久历史的领域。在 HRI 的背景下，对自主性的构造进行了审查和重新定义。此外，该框架提出了一种通过按照 10 点分类法对自主性进行分类来确定机器人自主性水平的过程。该框架旨在作为确定自主性的指南，按照定性分类法对 LORA 进行分类，并考虑可能受 LORA 影响的 HRI 变量（例如接受度、情况意识、可靠性）。关键词：人机交互、自动化、自主性、机器人自主性水平、框架
Causal-HRI：人类机器人相互作用的因果学习
现实世界中的人类机器人相互作用（HRI）要求机器人熟练地感知并了解其操作的动态以人为中心的环境。近几十年来，已经看到了出色的广告，这些杂志具有出色的感知能力。关于“因果关系：人类机器人互动的因果学习”的第一个研讨会旨在将研究观察者从因果发现，推理和因果学习到现实世界中的HRI应用程序中汇集在一起。本研讨会的目的是探索策略，这些策略不仅将嵌入具有能力的机器人，从观察结果中发现因果关系，从而使它们能够概括地看不见的间隔设置，还可以使用户能够理解机器人行为，超越这些机器人使用的“黑色盒子”模型。本研讨会旨在通过受邀的主题演讲，贡献会谈，小组讨论和海报会议来促进观点，鼓励各种社区的合作。HRI 2024的主题“现实世界中的HRI”将为该研讨会的总体主题提供信息，鼓励讨论HRI理论，方法，设计和研究，重点是利用因果学习来增强现实世界中的HRI。
基于云的多模态人体虚拟现实研究平台
人机交互 (HRI) 研究需要大量考虑实验设计，以及大量时间来实践主题实验。虚拟现实 (VR) 的最新技术可以潜在地解决这些时间和精力挑战。VR 系统对 HRI 的显著优势是：1) 降低成本，因为实验设施不需要在真实环境中进行；2) 为测试对象提供相同的环境和具体交互条件；3) 可视化现实中无法发生的任意信息和情况，例如回放过去的经历，以及 4) 轻松访问沉浸式和自然的机器人/化身远程操作界面。尽管具有其功能的 VR 工具已在以前的 HRI 研究中应用和开发，但仍然没有全面的工具或框架。特别是，与云计算集成的好处尚未得到全面考虑。因此，本研究的目的是提出一个研究平台，通过集成 VR 和云技术，可以全面提供 HRI 研究所需的元素。为了实现灵活且可重复使用的系统，我们开发了机器人操作系统 (ROS) 和 Unity 之间的实时桥接机制。为了确认该系统在实际 HRI 场景中的可行性，我们将所提出的系统应用于三个案例研究，包括一个名为 RoboCup@Home 的机器人比赛。通过这些案例研究，我们验证了该系统的实用性及其通过多模态 HRI 开发和评估社交智能的潜力。
人类机器人交流.pdf-智能用户界面
▪HRI是HCI的子场，其中包括一个物理，具体的实体 - 机器人。▪由于包括身体运动，传感器以及了解人类社会暗示的需求，HRI的挑战通常会更加多样化。▪主要区别：
探索机器人互动中的人际信任的机器人的位置漏洞
研究对人类机器人互动（HRI）的信任的实际价值在于以下假设，即人们从长期来接受，互动和协作与他们信任或认为值得信赖的机器人更多。我们在本书一章中建议采取事件方法来对HRI进行人际关系的信任，我们认为为什么关注机器人脆弱性将有助于对机器人的信任及其可感知的可信赖性进行当前的讨论。在理论上，我们首先认为，挑战人际信任与HRI中概念关系的经常负面看法很重要，因为它主要代表过度曝光。此外，当探索人类与robots（或HRI）之间的人际关系互动时，识别机器人特定的脆弱性是必不可少的，因为它重叠，但与以人类为中心的观点不重要的人并不相同。为了探索机器人漏洞，我们介绍了与机器人技术经验丰富的领导者进行八次半结构化专家访谈的结果。基于这些访谈，我们确定了专家提到的各种机器人漏洞，以提出系统的概述。此外，我们讨论了专家如何特异性地解释脆弱性的概念，并更多地介入旨在确保对HRI的相互人际关系信任时，恶意人类的行为可能是有问题的。此外，我们的目标是在本书章节中阐述我们的动力和贡献，以说明为什么对机器人的脆弱性为HRI的相互信任提供了至关重要，更广泛的观点，这对于加强人类与机器人之间的互动，协作和参与至关重要。