AIR-Act2Act：用于向机器人传授非语言社会行为的人-人交互数据集
机器人学
2022-11-01 v1
摘要
为更好地与用户交互，社交机器人应理解用户行为、推断意图并作出恰当响应。机器学习是实现机器人智能的一种途径。它提供从经验中自动学习与改进的能力，而非显式地告知机器人该做什么。社会技能也可通过观看人-人交互视频来学习。然而，可用于学习各种情形下所发生交互的人-人交互数据集相对匮乏。此外，我们旨在将服务机器人用于养老领域；然而迄今尚无针对该领域收集的交互数据集。为此，我们引入了一个用于向机器人传授非语言社会行为的人-人交互数据集。它是唯一由老年人作为表演者参与的交互数据集。我们招募了 100 名老年人与两名大学生在室内环境中执行 10 种交互。整个数据集包含 5,000 个交互样本，每个样本均包含由三台 Microsoft Kinect v2 相机捕获的深度图、身体索引与 3D 骨骼数据。此外，我们提供了由人形 NAO 机器人关节角度，其由机器人需学习的人类行为转换而来。该数据集及有用的 python 脚本可在 https://github.com/ai4r/AIR-Act2Act 下载。它不仅可以用于向机器人传授社会技能，还可用于动作识别算法的基准测试。
引用
@article{arxiv.2009.02041,
title = {AIR-Act2Act: Human-human interaction dataset for teaching non-verbal social behaviors to robots},
author = {Woo-Ri Ko and Minsu Jang and Jaeyeon Lee and Jaehong Kim},
journal= {arXiv preprint arXiv:2009.02041},
year = {2022}
}
备注
6 pages, 6 figures, 2 tables, submitted to the International Journal of Robotics Research (IJRR)