你在看什么？基于注视的人机交互中人类意图的检测

在基于注视的人机交互（HRI）中，确定人类意图以进行进一步交互十分重要。注视意图常被建模为注视固定。然而，当看向一个物体时，长时间维持注视固定于一点既不自然也困难。当人类仍聚焦于物体时可能发生扫视。人类意图的预测会在扫视期间丢失。此外，当人类意图在物体上时，由于不同噪声源，注视可能位于物体边界框之外，从而导致假阴性预测。本工作中，我们提出一种新方法来检测在 HRI 应用中人类是否正聚焦于某物体。我们通过比较物体上的假设注视与实际注视之间的相似性来确定注视意图。我们使用地球移动距离（EMD）度量相似性，并使用 1 近邻（1 Nearest Neighbour）分类人类正在看哪个物体。我们的实验结果表明，与注视固定相比，即使在扫视眼动期间我们的方法也能成功确定人类意图，并在含噪声注视数据下提高分类准确率。我们还证明，在与机器人交互中，所提方法能在成功预测内获得较高的物体选择准确率。