面向人机交互的基于非言语线索的交互起始检测框架
计算机视觉与模式识别
2026-05-12 v1
摘要
本文描述了一种在家庭环境中基于音频与视觉传感器融合、无关键词的人机交互（HRI）交互起始（IoI）检测框架。在所提出的框架中，机器人拥有自己的音频和视觉传感器，并可采用外部视觉传感器以实现稳定的人类检测与跟踪。当用户看着机器人开始说话时，机器人可通过其声源定位以及人类跟踪信息定位该用户的位置。然后，如果机器人感知到说话者的面部朝向机器人，则可检测到 IoI。在用户不直接说话的情况下，如果用户注视机器人的时间超过预定义的时间段，机器人也可检测到 IoI。为所提出的 IoI 检测框架设计了一个状态转移模型，并通过移动机器人实验进行了验证。为了在机器人架构中实现并关联我们的模型，所有组件均在机器人操作系统（ROS）环境中实现并集成。
引用
@article{arxiv.2605.10087,
title = {Initiation of Interaction Detection Framework using a Nonverbal Cue for Human-Robot Interaction},
author = {Guhnoo Yun and Juhan Yoo and Kijung Kim and Dong Hwan Kim},
journal= {arXiv preprint arXiv:2605.10087},
year = {2026}
}