与服务机器人交互意图的自监督预测

若服务机器人具备主动检测附近用户是否有交互意图的能力，从而调整自身行为（例如明确表明可提供服务的状态），便能提供更流畅的交互体验。本工作中，我们提出一种基于学习的方法，在实际交互开始前预测人类用户将与机器人交互的概率；该方法为自监督，因为机器人在每次与人相遇后，可根据是否产生交互自动为其标注标签。我们探索了不同的分类方法，使用考虑用户姿态与运动的不同特征集合。我们在三种场景中验证并部署该方法。第一种收集了$3442$条自然序列（含交互与非交互），代表办公休息区中的员工：这是一个真实世界、具挑战性的环境，我们以咖啡机代替服务机器人。另两种场景代表研究人员与服务机器人交互（分别为$200$与$72$条序列）。结果表明，即便在严峻的真实世界环境中，我们的方法也能在无外部监督下学习，并能在交互实际发生前提前超过$3$s准确分类（即AUROC大于$0.9$）用户的交互意图。