用于自然人机交互中情感、社会与认知研究的视线估计学习架构
机器人学
2024-10-28 v1
摘要
视线是任何交互场景中关键的社交线索，驱动许多社会认知机制（如共同注意、预测人类意图、协作任务）。视线方向是社交和情感功能的指示，影响情绪的感知方式。证据表明，赋予社交能力的具身人oid机器人可被视为解开人类社会认知许多机制的复杂刺激物，同时提高参与度和生态有效性。在此背景下，构建自动估计人类视线方向的机器人感知系统，仅依赖机器人传感器，仍具挑战性。本文的主要目标是提出一种学习型机器人架构，在桌面场景中无需任何外部硬件即可估计人类视线方向。桌面任务在许多实验心理学研究中广泛使用，因为它们适合实施大量情景，允许代理人协作同时保持面面对面交互。这种架构可为研究提供有力支持，避免外部硬件在非实验室环境（如临床环境）中干扰人类自然行为。本文还收集了一个新数据集，包含来自24名参与者在不同视线条件下的机器人iCub机器人捕获的图像。
引用
@article{arxiv.2410.19374,
title = {Gaze estimation learning architecture as support to affective, social and cognitive studies in natural human-robot interaction},
author = {Maria Lombardi and Elisa Maiettini and Agnieszka Wykowska and Lorenzo Natale},
journal= {arXiv preprint arXiv:2410.19374},
year = {2024}
}