基于 gaze dynamics 实时检测协作任务中的机器人故障
人机交互
2025-03-12 v1 机器人学
摘要
在协作任务中检测机器人故障对于维持人机交互的信任至关重要。本研究探讨了用户的 gaze 行为作为机器人故障的指示器，利用机器学习模型区区非故障和两种故障类型：执行性故障和决策性故障。从26名参与者那里收集了在 Tangram 解谜任务中与机器人协作的 eye-tracking 数据。gaze 指标，如平均 gaze 变换速率和在特定感兴趣区域注视的概率，用于训练包括 Random Forest、AdaBoost、XGBoost、SVM 和 CatBoost 在内的机器学习分类器。结果显示，Random Forest 在使用故障前5秒的数据时，分别以90%和80%的准确率检测执行性故障和决策性故障。通过将 gaze 数据划分为3、5和10秒的区间评估了实时故障检测。这些发现凸显了 gaze dynamics 在人机协作中实时错误检测的潜力。
引用
@article{arxiv.2503.07622,
title = {Real-Time Detection of Robot Failures Using Gaze Dynamics in Collaborative Tasks},
author = {Ramtin Tabatabaei and Vassilis Kostakos and Wafa Johal},
journal= {arXiv preprint arXiv:2503.07622},
year = {2025}
}
备注
this paper is submitted to HRI conference 2025 as a Late-breaking Report