使用 f-formation 检测社交互动群体：分类法、方法、数据集、应用、挑战与未来研究方向综述

我们日常生活中的机器人日益增多。其实用性和可接受性在很大程度上取决于其与人类显式和隐式的交互能力。因此，社交行为是人类最渴望机器人具备的品质之一。然而，并不存在定义社交可接受行为的特定方面和/或特征，其在很大程度上取决于情境、应用和社会。在本文中，我们研究针对共址机器人的此类社交行为。设想一群人正在相互交互且我们想加入该群体。作为人类，我们以社交可接受的方式做到这一点，即在群体内我们以不干扰/阻碍任何人的方式定位自身以参与群体活动。要具备此种特质，机器人首先需确定群体构型，然后为自身确定位置，此乃人类隐式完成之事。f-formation 理论可用于此目的。由于构型类型可能极为多样，检测社交群体并非易事。本文对使用 f-formation 进行社交交互与群体检测的现有工作（面向机器人及其他应用）进行了全面综述。我们还提出了一种结合所有相关关注点与模块的新型整体综述框架。我们基于方法、相机视角、数据集、检测能力与规模、评估方法和应用领域定义了分类法。我们讨论了当前文献中的若干开放挑战与局限，并基于该框架提出可能的未来研究方向。特别地，我们讨论了现有方法/技术及其相对优缺点、应用，并给出该领域中一组未解但相关的问题。