MétaCan
Menu
Retour à la cohorte
Enregistrement W3000500539 · doi:10.1109/ro-man46459.2019.8956381

Towards situational awareness from robotic group motion

2019· article· en· W3000500539 sur OpenAlexaff
Florent Levillain, David St-Onge, Giovanni Beltrame, Elisabetta Zibetti

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePsychology
ThématiqueSocial Robot Interaction and HRI
Établissements canadiensPolytechnique MontréalÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésHuman–computer interactionNonverbal communicationComputer scienceSituation awarenessHuman multitaskingRobotSwarm behaviourSituational ethicsContext (archaeology)Motion (physics)Artificial intelligenceComprehensionTypologyMobile robotCognitive psychologyPsychologyCommunicationEngineeringSocial psychology

Résumé

récupéré en direct d'OpenAlex

The control of multiple robots in the context of tele-exploration tasks is often attentionally taxing, resulting in a loss of situational awareness for operators. Unmanned aerial vehicle swarms require significantly more multitasking than controlling a plane, thus making it necessary to devise intuitive feedback sources and control methods for these robots. The purpose of this article is to examine a swarm's nonverbal behaviour as a possible way to increase situational awareness and reduce the operators cognitive load by soliciting intuitions about the swarm's behaviour. To progress on the definition of a database of nonverbal expressions for robot swarms, we first define categories of communicative intents based on spontaneous descriptions of common swarm behaviours. The obtained typology confirms that the first two levels (as defined by Endsley: elements of environment and comprehension of the situation) can be shared through swarms motion-based communication. We then investigate group motion parameters potentially connected to these communicative intents. Results are that synchronized movement and tendency to form figures help convey meaningful information to the operator. We then discuss how this can be applied to realistic scenarios for the intuitive command of remote robotic teams.

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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,787
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,1090,016

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,361
Écart entre enseignants0,314 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSocial Robot Interaction and HRITravaux en français237 207