基于人类行为观察的机器人故障解释适应

本工作旨在解释人类行为，以预测机器人在提供故障解释时可能引发的用户困惑，从而使机器人能够更自然、更高效地进行协作。我们使用包含面部情绪检测、眼神追踪估计和手势数据的数据集，分析了 55 名参与者在用户研究中的行为变化，这些行为是如何对不同类型的故障和不同的解释层次作出反应的。我们的目标是评估人类协作者是否可以在不引发困惑的情况下接受更简略的解释。我们构建一个数据驱动的预测器来预测机器人故障解释期间的人类困惑。我们还提出并评估了一种基于预测器的机制，根据观察到的人类行为来调整解释层次。来自该评估的有前景的结果表明，此研究在适应机器人故障解释方面具有潜力，可提升协作体验。