Dance2Hesitate：用于理解机器人运动的舞者生成的多模态犹豫数据集
机器人学
2026-03-12 v1 人机交互
摘要
在人机协作中，机器人表达犹豫是影响人类协调策略、注意力分配和安全相关判断的关键因素。然而，设计能够泛化的犹豫机器人运动具有挑战，因为观察者的推断高度依赖于具身化和情境。为解决这些挑战，我们引入并开源了一个多模态、由舞者生成的犹豫运动数据集，聚焦于特定的情境-具身化配对（即机械臂/人类上肢靠近 Jenga 塔，以及全身运动在自由空间中的情境）。数据集包括 (i) 在固定起始配置到固定目标（Jenga 塔）上的 kinesthetic teaching demonstrations，包含三个分级的犹豫程度（轻度、显著、极度），以及 (ii) 同步的 RGB-D 动作捕捉数据，记录舞者以上肢进行相同到达行为，覆盖三个犹豫程度，外加极度犹豫下的全人体序列。我们进一步提供了文档，以便在机器人和人类模态之间实现可复现的基准测试。跨所有舞者，我们获得了 70 条独特的全身轨迹、84 条上肢轨迹（覆盖三个犹豫程度）以及 66 条 kinesthetic teaching 轨迹（覆盖三个犹豫程度）。该数据集可在 https://brsrikrishna.github.io/Dance2Hesitate/ 访问。
引用
@article{arxiv.2603.10166,
title = {Dance2Hesitate: A Multi-Modal Dataset of Dancer-Taught Hesitancy for Understandable Robot Motion},
author = {Srikrishna Bangalore Raghu and Anna Soukhovei and Divya Sai Sindhuja Vankineni and Alexandra Bacula and Alessandro Roncone},
journal= {arXiv preprint arXiv:2603.10166},
year = {2026}
}
备注
Accepted to the Designing Transparent and Understandable Robots (D-TUR) Workshop at the ACM/IEEE International Conference on Human-Robot Interaction (HRI) 2026, Edinburgh, UK