A Framework to Explore Proximate Human-Robot Coordination
A Framework to Explore Proximate Human-Robot Coordination
复制标题
探索近似人机协调的框架
DOI：
--
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
L. Riek
中科院分区：
文献类型：
--
作者：
S. Matsumoto;A. Washburn;L. Riek
近距离人机协作（pxHRT）是人机交互中的一个复杂子空间。该领域的研究涉及一系列设备和方法，包括精确感知人和机器人的能力。该领域的研究借鉴了从人机交互到控制理论等多种其他领域，使得研究设计变得复杂，特别是对于 HRI 领域之外的研究。在本文中，我们介绍了一个框架，可以帮助研究人员考虑各种任务环境、平台、传感器和分析方法之间的权衡；该领域常用的指标；以及研究人员可能面临的常见挑战。我们通过案例研究演示了该框架的使用，该案例研究采用自主移动机械手持续参与与人共享工作空间、切换和协同操作任务，并探讨认知工作量对 pxHRT 动态的影响。我们还在案例研究中向两组刚接触 pxHRT 的研究人员展示了该框架的实用性。通过这个框架，我们希望使研究人员，特别是 HRI 之外的研究人员，能够在其研究中更全面地考虑这些复杂的组成部分，更轻松地设计实验，并更全面地探索 pxHRT 领域内的研究问题。
Proximate human-robot teaming (pxHRT) is a complex subspace within human-robot interaction. Studies in this space involve a range of equipment and methods, including the ability to sense people and robots precisely. Research in this area draws from a wide variety of other fields, from human-human interaction to control theory, making the study design complex, particularly for those outside the field of HRI. In this paper, we introduce a framework that helps researchers consider tradeoffs across various task contexts, platforms, sensors, and analysis methods; metrics frequently used in the field; and common challenges researchers may face. We demonstrate the use of the framework via a case study which employs an autonomous mobile manipulator continuously engaging in shared workspace, handover, and co-manipulation tasks with people, and explores the effect of cognitive workload on pxHRT dynamics. We also demonstrate the utility of the framework in a case study with two groups of researchers new to pxHRT. With this framework, we hope to enable researchers, especially those outside HRI, to more thoroughly consider these complex components within their studies, more easily design experiments, and more fully explore research questions within the space of pxHRT.
DOI：
10.1145/3375798
发表时间：
2020-05
期刊：
ACM Transactions on Human-Robot Interaction (THRI)
影响因子：
--
作者：
Angelique Taylor;Darren M. Chan;L. Riek
通讯作者：
Angelique Taylor;Darren M. Chan;L. Riek
群体协调任务中人工化身的深度学习控制
DOI：
10.1109/smc.2019.8914294
发表时间：
2019
期刊：
--
影响因子：
--
作者：
Lombardi M
通讯作者：
Lombardi M