PPTP：基于性能导向的生理信号信任预测在人机协作中的应用
人机交互
2025-06-23 v1 机器人学
摘要
信任预测是人机协作中的关键问题，尤其是在施工场景中，维持适当的信任校准对于安全和效率至关重要。本文引入了 Performance-guided Physiological signal-based Trust Prediction (PPTP)，一个新型框架旨在提高信任评估。我们设计了一个人机施工场景，其中包含三个难度级别以诱发不同的信任状态。我们的 метод 将同步的多模态生理信号（ECG、GSR 和 EMG）与协作绩效评估集成，以预测人类信任水平。个体生理信号通过将协作绩效信息作为指导线索进行处理，利用协作绩效的标准化特性来补偿个体对生理反应的不同。大量实验表明，我们的跨模态融合方法在显著提高信任分类性能方面具有显著作用。我们的模型在三个层级的信任分类中实现了 81% 以上的准确率，优于最佳基线方法 6.7%，且在高分辨率七层级分类中达到了 74.3% 的准确率，这是信任预测研究中的第一次。消融实验进一步验证了以协作绩效评估为导向的生理信号处理的优越性。
引用
@article{arxiv.2506.16677,
title = {PPTP: Performance-Guided Physiological Signal-Based Trust Prediction in Human-Robot Collaboration},
author = {Hao Guo and Wei Fan and Shaohui Liu and Feng Jiang and Chunzhi Yi},
journal= {arXiv preprint arXiv:2506.16677},
year = {2025}
}