被动还是主动?机器人应如何解释故障
作者
可解释人工智能(XAI)人-机器人协作(HRC)软件工程师与开发者AI/ML 研究员与工程师
随着机器人承担越来越复杂的任务,解释的必要性对于获得信任和接受变得至关重要。可解释的机器人系统不仅要阐明发生时的故障,还要预测并先发制人地解释潜在问题。本文比较了被动系统(在故障发生后检测和解释)与主动系统(预测并提前解释问题)产生的解释。我们的研究显示,主动系统能促进更高的感知智能和信任,其解释被认为更容易理解和及时。我们的发现旨在推进有效的机器人解释系统设计,使人们能够诊断并协助解决可能阻止机器人完成其任务的问题。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 75%
基于透明矩阵覆盖的人机协作交互式策略塑造
HRI '23· 可解释人工智能(XAI) +1
- 67%
《应该信任你还是信任人工智能?》——混合人机团队中领导者的信任与感知研究
CHI '26· 人-机器人协作(HRC) +2
- 67%
现在我该怎么办?:协作机器人有效性和效率故障时的人类自发反应
CHI '26· 人-机器人协作(HRC) +2
- 60%
UMLAUT:使用程序结构和模型行为调试深度学习程序
CHI '21· 可解释人工智能(XAI) +1
- 60%
以人为本的可解释人工智能中用户对偏见的看法的背景化
CHI '23· 可解释人工智能(XAI) +1
- 60%
野外的AutoML:障碍、解决方法和期望
CHI '23· 可解释人工智能(XAI) +1
- 60%
使用实时编程验证AI生成的代码
CHI '24· 大语言模型(LLM)的人机协作 +1
- 60%
通过人类概念学习和认知理论支持共适应机器教学
CHI '25· 可解释人工智能(XAI) +1
- 60%
实时LLM知识支持系统的设计空间探索:一个术语解释的案例研究
CHI '25· 大语言模型(LLM)的人机协作 +1
- 60%
使用用户模拟识别对话推荐系统中的交互崩溃
CUI '24· 可解释人工智能(XAI) +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
HRI
calendar_month
年份
2024
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
可解释人工智能(XAI)、人-机器人协作(HRC)
work
职业/产业
软件工程师与开发者、AI/ML 研究员与工程师
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文