面向非典型人群的群体交互：预测具有智力和发展障碍者的注视方向行为

支持人类群体交互的人工智能体在尤其是福祼促进和治疗干预等敏感情境中具有巨大潜力。然而，现有系统在涉及非典型人群的群体交互中难以调解。这种局限性源于大多数 AI 检测模型（例如用于轮流控制）是在来自典型人群的数据上训练的。本工作通过解决面向具有智力和发展障碍者的注视检测挑战，推进包容性 AI。首先，我们引入新数据集 Multi-party Interaction with Intellectual and Developmental Disabilities (MIDD)，捕捉非典型注视和参与模式。随后，我们对典型人群数据集进行比较分析，突出显示类别不平衡、说话活动、注视分布及交互动力学之间的差异。然后，我们评估从 SVM 到 FSFNet 的分类器，表明在 MIDD 上进行微调可提升性能，但仍存在显著局限。最后，我们通过与六名治疗师的焦点小组收集的见解，对定量发现进行解释，理解非典型注视和参与模式的实际意义。基于这些结果，我们讨论数据驱动策略，强调特征选择对构建更包容的人机中心工具的重要性。