通过行为指标与可解释性估计人机协作中的信任
机器人学
2026-01-28 v1
摘要
工业 5.0 专注于人与机器人之间以人为中心的协作，优先考虑安全、舒适和信任。本研究引入了一种数据驱动的框架，利用行为指标评估信任。该框架采用基于偏好的优化算法，根据操作员的反馈生成增强信任的轨迹。该反馈作为训练机器学习模型以从行为指标预测信任水平的真实标签。该框架在化学工业场景中进行了测试，其中机器人协助人类操作员混合化学品。机器学习模型对信任进行分类的准确率超过 80%，其中 Voting Classifier 达到了 84.07% 的准确率和 0.90 的 AUC-ROC 分数。这些发现强调了数据驱动方法在评估人机协作中信任的有效性，突显了行为指标在预测人类信任动态中所发挥的重要作用。
引用
@article{arxiv.2601.19856,
title = {Estimating Trust in Human-Robot Collaboration through Behavioral Indicators and Explainability},
author = {Giulio Campagna and Marta Lagomarsino and Marta Lorenzini and Dimitrios Chrysostomou and Matthias Rehm and Arash Ajoudani},
journal= {arXiv preprint arXiv:2601.19856},
year = {2026}
}