Intuitiveness Level: Frustration-Based Methodology for Human–Robot Interaction Gesture Elicitation
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
For robotics to become more accessible to people not specialized in the area, it is of fundamental importance to improve and simplify the way people interact with robots. Despite human-robot interaction (HRI) being an effervescent research area, most of the works published so far on the use of gesture interfaces for human-robot communication do not clearly describe how the used gestures were elicited, thus hindering the reproducibility of those works. Considering this, we propose a new and reproducible Frustration-Based Approach (FBA), scientifically established on previous research, which can be used to obtain an intuitive and robust gesture vocabulary for HRI. To accomplish this, we propose Intuitiveness Level (IL), a score to rank gestures according with its intuitiveness. Using IL, it is possible to conceive a complex vocabulary, allowing an increasing of robustness, since more than one gesture can be associated to a task. In a general sense, the proposed methodology is not limited only for HRI, and it can also be used for human-machine interaction in general. In short, the contributions of this work are: ( <italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">i</i> ) A complete methodology to elicit gestures to be used as intuitive communication interface between humans and robots. ( <italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">ii)</i> A metric of intuitiveness which takes into account at least three different characteristics about the elicited gestures.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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