Julie Shah

school麻省理工学院bar_chart全球第 #2042 名

论文总数

HCI 排名

#2042

研究领域

活跃年数

近期发表

Julie Shah 最新论文

Schneiders 等人通过混合方法研究识别出人类同步协作的五个特征，包括领导-跟随模式与人际沟通，为人机协作设计提供三位设计考量。

Peng 等人提出基于语言模型的偏好条件化抽象方法，利用行为差异推断隐藏偏好，在模拟实验和真实机器人任务中验证了其有效性。

Bobu等人提出机器人表征学习中的对齐问题，定义数学框架并分析现有方法的表征对齐能力，探讨如何使机器人学习与人类一致的表征以更好地服务人类。

Unhelkar 等人提出 CommPlan 计算框架，通过混合学习与手工指定的 POMDP 模型，在共享工作空间中决定机器人是否、何时及如何与人类沟通，提升协作效率。

Kotowick等人提出通过在视觉和触觉导航引导之间定期切换来缓解感官适应和习惯化效应，实验表明虽产生短期切换成本，但长期可减轻SSA和习惯化，适合长时间导航任务。

Kotowick 等人提出自适应模态选择算法，动态选择导航系统的视觉或触觉引导方式，同时考虑任务收益和切换成本，提升多任务场景下用户绩效

ios_share

https://hci.top/zh/authors/12771?source=all