人机交互:通过长期短期记忆来预测研究议程
Jon Borregan-Alvarado1, Izaskun Alvarez-Meaza1, Ernesto Cilleruelo-Carrasco1
1Industrial Organization and Management Engineering Dept., University of the Basque Country UPV/EHU, Bilbao, Biscay, Spain.
PeerJ. Computer science
|December 9, 2024
概括
本研究确定并预测了工业4.0和5.0的人机交互 (HRI) 的未来研究主题. 使用数据挖掘和人工智能的多层模型预测了设计和控制器等关键领域,以推进协作机器人.
科学领域:
- 机器人和人工智能 机器人和人工智能
- 人与机器人的交互 (HRI)
- 工业技术 (工业4.0/5.0) 是一个行业.
背景情况:
- 科学文献缺乏关于人机交互 (HRI) 的明确研究议程.
- 这种差距阻碍了协作机器人和工业4.0/5.0技术的进步.
- 需要一个结构化的方法来指导未来的HRI研究.
研究的目的:
- 提出和验证一个多层模型来识别和预测HRI研究主题.
- 为科学界建立一个精确的HRI研究议程.
- 引导协作机器人和HRI技术的新发展.
主要方法:
- 关于2020-2021年HRI文章的数据挖掘和可视化 (VantagePoint,Gephi),以确定主题 (第1层).
- 自然语言处理 (NLP) 和词嵌入来提取关键术语 (第二层).
- 循环神经网络 (RNN) 与长期短期记忆 (LSTM) 用于未来主题预测 (第三层).
主要成果:
- 第1层显示了跨部门的密集HRI应用,强调了信任.
- 第二层强调了视觉,传感器,沟通,协作和人类形态的重要性.
- 第三层预测了未来的主题,包括设计,性能,方法和控制器,以增强机器人交互.
结论:
- 拟议的多层模型有效地定义了一个强大的和相关的HRI研究议程.
- 该方法成功地确定了HRI研究的未来趋势和需求.
- 这项工作为科学界提供了有价值的工具,填补了文献中的关键空白.
相关概念视频
02:16Stereotype Content Model
14.0K
The Stereotype Content Model (SCM) was first proposed by Susan Fiske and her colleagues (Fiske, Cuddy, Glick & Xu, 2002; see also Fiske, 2012 and Fiske, 2017). The SCM specifies that when someone encounters a new group, they will stereotype them based on two metrics: warmth—or that group’s perceived intent, and how likely they are to provide help or inflict harm—and competence—or their ability to carry out that objective. Depending on the warmth-competence...
14.0K
01:22Chunking and Rehearsal in Sensory Memory
160
Improving short-term memory can be achieved through techniques like chunking and rehearsal. Chunking involves organizing information into larger, more manageable units. This technique is particularly useful for information that exceeds the typical memory span of between five and nine items. For instance, logging into an online account with a password like "ta89vq0179gz" involves grouping letters and numbers into three chunks—ta89, vq01, and 79gz. It makes large amounts of...
160