SRL空间关系学:超数量机械肢在近身交互中的空间设计指南

触觉可穿戴设备人-机器人协作(HRC)远程操控与遥呈现(Telepresence)AI/ML 研究员与工程师创客(Maker)与DIY爱好者

文献标题

SRL Proxemics: Spatial Guidelines for Supernumerary Robotic Limbs in Near-Body Interactions

出版信息

  • 研究领域: 穿戴式超额机器人肢体(SRLs)在近身交互中的人机交互。
  • 关键词: 超额机器人肢体, 亲密空间学, 人机交互, 感知安全, 信任, 自主性, 具身性, 空间交互, 穿戴式机器人。

背景与问题

  • 问题/挑战: 现有的SRL系统缺乏在近身交互中管理空间行为和自主性的系统框架。目前的方法通常采用统一的自主性策略,忽略了用户在不同身体区域的特定期望。
  • 重要性: 在工业装配、手术辅助和个人增强等应用中,确保SRL的感知安全、信任和舒适性对于其推广至关重要。
  • 动机与相关研究: 以往研究集中于机械可行性和共享自主性,但尚未解决SRL在亲密的个人空间中应如何表现。亲密空间学概念已被应用于非身体安装的机器人,但对身体安装系统的研究仍属空白。

解决方案

  • 提出的方法: SRL Proxemics——一种针对SRL在近身交互中的空间校准和可读行为的区域和组件级设计框架。
  • 创新点:
    1. 引入基于身体的信任梯度,制定区域特定的自主性和运动规则。
    2. 结合用户定义的引导和生理测量的混合方法研究以推导空间策略。
    3. 实证表明自主性偏好因身体区域和任务情境而异。
    4. 开发了一个三层策略,用于SRL的区域响应控制。
  • 流程与关键技术:
    • 通过Wizard-of-Oz实验对18名参与者进行研究,使用背部安装的SRL。
    • 任务包括“舒适区”和“控制交接”场景,以引导用户定义的空间策略。
    • 比较高自主性基线与参与者定义规则(PDR)。
    • 收集定性数据(思维过程记录、访谈)、生理数据(皮肤电导反应)和主观评分(信任、安全性、具身性)。

结果

  • 具体发现:
    • 参与者将身体分为具有不同自主性和运动偏好的区域:关键区域(如面部、躯干)、监督区域(如肩膀、上臂)和实用区域(如手部、前臂)。
    • 高自主性进入阶段比PDR进入阶段引发更高的生理唤醒(皮肤电导反应峰值),尤其是在接近/进入阶段。
    • 与高自主性基线相比,PDR提高了感知安全性、信任和具身性。
  • 相较基线的优势:
    • PDR在敏感交互中减少了生理唤醒,并改善了主观保障指标(如信任、安全性、具身性)。
    • 高自主性模式尽管能力更强,但被认为不够可预测且不够安全。
  • 实验/评估:
    • 混合方法设计,18名参与者(6名女性,12名男性;平均年龄27.72岁)。
    • 任务:“舒适区”(交接场景)和“控制交接”(协作分类)。
    • 测量指标:定性空间规则、皮肤电导反应、信任和安全性问卷、具身性评分。
  • 局限性与未来工作:
    • Wizard-of-Oz设置缺乏实时自主性和错误恢复能力。
    • 单次实验限制了对长期适应性的洞察。
    • 研究结果特定于背部安装的SRL和受控任务;需要在多样化配置和实际应用中进行复现。
    • 提出的叠加策略(如情感响应调节)尚未测试。

总结

本文提出了SRL Proxemics框架,用于设计超额机器人肢体(SRL)在近身交互中的空间适应行为。通过Wizard-of-Oz实验,参与者定义了区域和组件特定的自主性规则,表明感知安全性和信任取决于空间校准和可读行为,而非统一的自主性。与高自主性基线相比,参与者定义规则(PDR)降低了生理唤醒并提高了主观保障。研究结果支持三层区域响应控制策略,并强调用户中心设计在穿戴式机器人中的重要性。未来工作应在自主系统中实施这些策略,并测试其在多样化场景中的适用性。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/222750/2026

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3772318.3790532
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2026
emoji_events
奖项
未标记奖项
group
作者
7 位作者
sell
研究子方向
触觉可穿戴设备、人-机器人协作(HRC)、远程操控与遥呈现(Telepresence)
work
职业/产业
AI/ML 研究员与工程师、创客(Maker)与DIY爱好者
article
内容状态
已索引正文
hub
相关论文
0 篇相关论文