Collective expression: how robotic swarms convey information with group motion
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract When faced with the need of implementing a decentralized behavior for a group of collaborating robots, strategies inspired from swarm intelligence often avoid considering the human operator, granting the swarm with full autonomy. However, field missions require at least to share the output of the swarm to the operator. Unfortunately, little is known about the users’ perception of group behavior and dynamics, and there is no clear optimal interaction modality for swarms. In this paper, we focus on the movement of the swarm to convey information to a user: we believe that the interpretation of artificial states based on groups motion can lead to promising natural interaction modalities. We implement a grammar of decentralized control algorithms to explore their expressivity. We define the expressivity of a movement as a metric to measure how natural, readable, or easily understandable it may appear. We then correlate expressivity with the control parameters for the distributed behavior of the swarm. A first user study confirms the relationship between inter-robot distance, temporal and spatial synchronicity, and the perceived expressivity of the robotic system. We follow up with a small group of users tasked with the design of expressive motion sequences to convey internal states using our grammar of algorithms. We comment on their design choices and we assess the interpretation performance by a larger group of users. We show that some of the internal states were perceived as designed and discuss the parameters influencing the performance.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle