训练模型通过人类反应检测连续机器人错误

随着机器人越来越多地融入社会，检测机器人错误对于有效的人机交互至关重要。当机器人反复失败时，它何时知道该改变其行为？人类自然会通过言语和非言语线索对机器人错误做出反应，这些线索在连续失败中不断加剧——从困惑和细微的言语变化到明显的沮丧和不耐烦。虽然先前研究表明人类反应可以指示机器人故障，但很少有研究探讨这些不断演变的反应如何揭示连续故障。本研究利用机器学习从人类反应中识别机器人故障阶段。在一项涉及 26 名参与者与做出重复对话错误的机器人互动的研究中，从视频数据中提取了行为特征以训练个体用户的模型。最佳模型在检测错误方面达到了 93.5% 的准确率，在分类连续故障方面达到了 84.1% 的准确率。对人类反应演变的建模增强了错误检测和对人机交互中重复交互中断的理解。