GAZELOAD：面向工业级人机协作中精神负荷的多模态眼动跟踪数据集
机器人学
2026-01-30 v1
摘要
本文描述了GAZELOAD，这是一个用于估计工业级人机协作中精神负荷的多模态数据集。在实验室装配测试环境中，26名参与者在佩戴Meta ARIA智能眼镜的情况下与两台协作机器人（UR5和Franka Emika Panda）进行交互。该数据集将眼动信号（瞳孔直径、注视点、眼球运动、眼球注视、注视熵、注视离散指数）与环境实时连续测量（照度）和任务与机器人上下文（台架、任务块、诱导故障）同步，控制了任务难度和环境条件的操纵。对于每个参与者及其任务块（按负荷分级），我们提供了以250毫秒为窗口聚合的眼动指标CSV文件、环境日志以及在1-10比例尺上的自报告精神负荷评分，组织在参与者专属文件夹中并附有文档。这些数据可用于开发和基准测试用于真实工业HRC场景中精神负荷估计、特征提取和时序建模的算法，以及研究环境因素（如照明）对基于眼动的负荷标记的影响。
引用
@article{arxiv.2601.21829,
title = {GAZELOAD A Multimodal Eye-Tracking Dataset for Mental Workload in Industrial Human-Robot Collaboration},
author = {Bsher Karbouj and Baha Eddin Gaaloul and Jorg Kruger},
journal= {arXiv preprint arXiv:2601.21829},
year = {2026}
}