XiaoMi-AI文件搜索系统
World File Search SystemHRI
简介 | 人机交互
9 研究方法 126 9.1 确定研究问题和方法 128 9.1.1 你的研究是探索性的还是验证性的? 129 9.1.2 你是在建立相关性还是因果关系? 130 9.2 在定性、定量和混合方法中进行选择 131 9.2.1 用户研究 132 9.2.2 系统研究 133 9.2.3 观察性研究 134 9.2.4 人种学研究 136 9.2.5 会话分析 138 9.2.6 众包研究 139 9.2.7 单一主题研究 140 9.3 选择研究参与者和研究设计 141 9.3.1 研究设计 142 9.4 定义交互背景 144 9.4.1 研究地点 144 9.4.2 HRI 的时间背景 145 9.4.3 HRI 中的社会互动单位 146 9.5 为你的研究选择机器人 148 9.6 设置交互模式 149 9.6.1 绿野仙踪 149 9.6.2 真实与模拟交互 150 9.7 选择适当的 HRI 测量方法 150 9.8 研究标准 152
在机器人动作中体现语言模型
摘要。大型语言模型（LLM）在深度学习方面取得了重大成功。仍然需要解决机器人技术和人类机器人互动（HRI）的剩余挑战，但是具有先进的语言和推理能力的现成的预先训练的LLM可以为该领域的问题提供解决方案。在这项工作中，我们意识到了一个开放式的HRI场景，涉及与人类交流的人形机器人，同时在桌子上执行机器人对象操纵任务。为此，我们将语音识别，视觉语言，文本到语音和开放世界对象检测的预先训练的一般模型与视觉空间坐标转移的机器人特异性模型和逆向主体以及任务特定的运动模型结合在一起。我们的实验揭示了语言模型在准确选择任务模式和整个模型中在开放式对话过程中正确执行动作的强劲性能。我们的创新体系结构可以通过开放式对话，场景描述，开放世界对象检测和操作执行的无缝集成。这是一种用于不同机器人平台和HRI场景的模块化解决方案。
微生物和生物炭提高了papapalum caginatum和pennisetum alopecuroides在镉污染的土壤上的补救效率
摘要人类机器人相互作用（HRI）的领域近年来引起了人们的重大关注，研究人员和从业人员试图了解人类与机器人之间相互作用的心理方面。HRI中关注的一个关键领域是情感识别的心理学，它在塑造人类机器人相互作用的动态方面起着基本作用。本文在人类机器人互动的背景下概述了心理学的背景，强调了了解该领域中人类情绪的重要性。情感识别的概念是人类心理学的关键组成部分，详细探讨了它在人类机器人互动的背景下强调其相关性。情感识别使机器人能够感知和解释人类的情绪，使他们能够做出适当的反应并提高互动质量。从心理角度检查了情感识别在HRI中的作用，从而阐明了其对有效人类机器人界面的设计和开发的影响。此外，本文研究了机器学习技术在人类机器人互动的背景下的应用。机器学习算法已经显示出有望使机器人能够识别和响应人类的情绪，从而有助于更自然和直观的互动。在情感识别中对机器学习的利用反映了HRI领域心理学和技术进步的相交。最后，讨论了与HRI中情绪识别相关的挑战，包括诸如情绪表达，个体差异以及情绪检测的道德含义等问题的问题。应对这些挑战至关重要，这是在人类机器人互动中对情感识别的理解和实施，强调了这一努力的跨学科性质。总而言之，本文强调了情感识别在人类机器人互动心理学中的关键作用，强调了其革命性的潜力，以革新人类和机器人相互互动的方式。通过整合心理学，机器学习和技术的见解，情感识别方面的进步有可能为更多的善解人意和反应迅速的人类机器人相互作用铺平道路，为在这个新兴领域的研究和实际应用提供了新的途径。
人工智能与人机交互：最新进展与挑战回顾
近年来，人工智能 (AI) 与人机交互 (HRI) 的融合取得了重大进展，彻底改变了人类与机器人的协作和共存方式。本综述全面概述了人工智能驱动的 HRI 的最新突破，并指出了未来的挑战。近年来，人工智能驱动的能力激增，增强了人机交互。机器学习算法使机器人能够适应用户的偏好和行为，创造个性化和直观的交互。自然语言处理 (NLP) 促进了人与机器人之间的无缝通信，实现了语音命令和情境感知响应。计算机视觉的进步赋予机器人增强的感知能力，使它们能够识别和解释人类的手势、情绪和面部表情。强化学习在使机器人能够从人类反馈中学习并实时优化其行为方面发挥了关键作用。社交辅助机器人利用人工智能提供情感支持和陪伴，特别是在医疗保健和老年护理环境中。尽管取得了这些进步，但人工智能驱动的 HRI 领域仍然存在挑战。需要仔细考虑道德问题，包括隐私问题和负责任地使用人工智能来影响人类行为。确保人工智能驱动的机器人系统的安全仍然至关重要，需要采取强有力的措施来防止恶意攻击和意外后果。人机信任仍然是一个关键挑战，需要透明的人工智能算法和有效的沟通策略。人工智能研究人员、机器人专家、心理学家和伦理学家之间的跨学科合作对于解决 HRI 复杂的社会技术方面至关重要。人工智能和人机交互的融合具有巨大的潜力，可以重新定义我们日常生活的各个方面。这篇评论重点介绍了人工智能驱动的 HRI 的最新进展，强调需要进行跨学科努力来应对挑战并确保负责任地开发和部署人工智能驱动的机器人系统。随着研究人员不断创新，人工智能和人机交互的动态格局预示着未来人类和机器人之间的无缝协作和共存将成为我们社会结构不可或缺的一部分。
文章对现实人形机器人中体现人工智能和外观的用户偏好进行建模
摘要：具有具身人工智能 (EAI) 的逼真人形机器人 (RHR) 在社会中具有广泛的应用，因为人脸是最自然的交流界面，人体是穿越地球人造区域的最有效形式。因此，开发具有高度人性化的 RHR 为人类提供了一个栩栩如生的容器，使人类能够以任何其他形式的非生物人类模拟无法超越的方式与技术进行物理和自然的交互。本研究概述了一项人机交互 (HRI) 实验，该实验采用了两个具有对比外观和个性的自动化 RHR。本研究中使用的选择性样本组由 20 个人组成，按年龄和性别分类以进行多样化的统计分析。皮肤电反应、面部表情分析和人工智能分析允许对生物特征和人工智能数据与参与者证词进行交叉分析，以具体化结果。这项研究的结论是，年轻的测试对象更喜欢外表年轻的 RHR 的 HRI，而年龄较大的测试对象更喜欢外表年长的 RHR。此外，女性测试组更喜欢外表年轻的 RHR 的 HRI，而男性测试对象更喜欢外表年长的 RHR。这项研究对于为具有 EAI 的 RHR 的外表和个性建模很有用，这些 RHR 适合特定的工作，例如照顾老人和为年轻、孤立和弱势群体提供社交陪伴。
无需触摸或语音即可与机器人交互
随着机器人领域的发展，与机器人交互和控制这些机器人的方法也在不断发展。许多现代机器人可以通过无需语音或触摸的命令进行通信。这一趋势背后的两个主要动机是帮助残疾人士和希望实现更自然的人机交互 (HRI)。通过允许与机器人进行非语言交流，系统的可访问性得到了提高，从而使更多人可以与机器人系统交互并从中受益。此外，非语言交流提供了更自然的交流，这可以为 HRI 带来许多好处。本文概述了现有的非接触式和非语言人机界面技术；它介绍了最流行的界面方法、它们的用途和局限性。并讨论了未来的研究方向。
通过使用检测性参数
摘要 - 近年来，在“人类机器人相互作用”（HRI）的背景下，与错误相关电位（ERRP）的研究是一种与事件相关的电位（EEG）分析（EEG）分析中使用的特定事件相关电位（ERP），它在开发可能学习的Robotic Pros方面越来越引起人们的关注，从而可以学习使用用户的需求和调整时间特定时间。这项工作旨在开发一种创新的方法来离线分类ERRP。此新方法使用称为检测图（用于预测诊断）的参数来识别电势（ERRP）。使用不同的EEG数据集进行了分析，该数据集已预处理。对检测图进行计算，分析，并与文献中已经知道的经典分类方法进行了比较。索引术语 - ERRP，Hjorth的参数，分类，HRI
REACT：两个数据集，用于分析人类反应和对机器人的评估反馈
人类机器人互动（HRI）的最新工作表明，机器人可以利用用户的隐性交流信号来了解它们在交互过程中的感知。例如，这些信号可以是反映内部人类状态的凝视模式，面部表情或身体运动。为了促进这一方向的未来研究，我们贡献了React数据库，这是两个人类机器人交互数据集的集合，这些数据集在协作游戏和摄影场景中显示了用户对机器人的自然反应。此外，我们分析数据集，以表明相互作用历史是可以影响人类对机器人反应的重要因素。因此，我们认为，解释HRI中隐性反馈的未来模型应明确说明这一历史。反应在将来打开了这种可能性。
SMARTEST 第 1 次项目会议::Alessandro Acciai 和...
Roberta Ferrario 和 Luca Bicchieri 代表特伦托 ISTC-CNR 介绍了他们的工作。Ferrario 的演讲“数字孪生本体的基础问题”侧重于 DT 作为工件和信息对象的本体论性质。这项工作的最终视角是数字孪生共同形成多个模型，既包括它们的物理对应物（信息物理系统），也包括它们的社会领域影响（社会技术系统）。Luca Bicchieri 介绍了一项题为“用于可信赖的人机交互的数字孪生”的研究，解决了人机交互 (HRI) 中的信任问题并提出了一种本体论方法。他展示了水果分类实验中机器人案例研究的结果，与经典博弈论背景相比，使用 DT 方法作为评估 HRI 中信任的替代设置。