MBE-ARI：用于动物-机器人互动中双向参与的多模态数据集

动物-机器人互动（ARI）仍是机器人学中未被充分探索的挑战，因为机器人难以解释动物如身体语言、运动和声响等复杂的多模态通信线索。与人类-机器人互动不同，后者受益于已建立的数据集和框架，而动物-机器人互动缺乏促进有意义双向沟通的基础资源。为弥补这一差距，我们提出了MBE-ARI（Multimodal Bidirectional Engagement in Animal-Robot Interaction），一个捕获Legged robot与牛只互动细节的新型多模态数据集。数据集包括来自多个视角的同步RGB-D流，标注了互动阶段中的身体姿态和活动标签，为ARI研究提供了前所未有的细致程度。此外，我们引入了一个专为四足动物设计的全身姿态估计模型，能够跟踪39个关键点，平均精度（mAP）达92.7%，超越了现有动物姿态估计基准。MBE-ARI数据集和我们的姿态估计框架为推进动物-机器人互动研究提供了稳固的基础，为开发所需感知、推理和互动框架以实现机器人与动物之间有效协作提供了必需工具。该数据集和资源已公开发布于https://github.com/RISELabPurdue/MBE-ARI/，欢迎进一步探索和开发。