GAZELOAD A Multimodal Eye-Tracking Dataset for Mental Workload in Industrial Human-Robot Collaboration
Dieses Paper stellt GAZELOAD vor, einen multimodalen Datensatz, der von 26 Teilnehmern bei der Interaktion mit kollaborativen Robotern in einem kontrollierten industriellen Umfeld erhoben wurde und hochauflösende Eye-Tracking-Metriken mit Umwelt- und Aufgabenkontextdaten synchronisiert, um die Entwicklung und das Benchmarking von Algorithmen zur Schätzung der mentalen Arbeitsbelastung in der Mensch-Roboter-Kollaboration zu erleichtern.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen herauszufinden, wie hart das Gehirn einer Person arbeitet, während sie gemeinsam mit einem Roboterpartner etwas aufbaut. Normalerweise können wir nicht in den Kopf eines Menschen sehen, aber unsere Augen sind wie Fenster, die uns Hinweise geben. Wenn unser Gehirn beschäftigt oder gestresst ist, verändern unsere Augen die Art und Weise, wie sie sich bewegen, wie weit sich unsere Pupillen weiten und wie lange wir Dinge anstarren.
Dieses Paper stellt eine neue „Bedienungsanleitung“ und eine riesige Datenschatzkiste namens GAZELOAT vor. Denken Sie bei diesem Datensatz an eine massive, organisierte Bibliothek von Augenbewegungen, die von 26 Personen aufgezeichnet wurden, während sie mit Robotern in einer Fabrikumgebung arbeiteten.
Hier ist die einfache Aufschlüsselung dessen, was sie getan haben und was sie herausgefunden haben:
Das Setup: Ein Roboter-Tanzparkett
Die Forscher bauten eine künstliche Fabrik in einem Labor auf. Sie richteten zwei „Tanzpartner“ für die Menschen ein: einen UR5-Roboter und einen Franka Emika Panda-Roboter.
- Die Menschen trugen spezielle intelligente Brillen (Meta ARIA), die als Spionkamera fungierten und genau aufzeichneten, wohin die Menschen schauten, wie ihre Pupillen reagierten und sogar, wie hell der Raum war.
- Das Ziel war es zu sehen, wie die Augen der Menschen reagierten, wenn die Arbeit schwieriger wurde.
Die drei Schwierigkeitsstufen
Um die mentalen „Muskeln“ der Menschen zu testen, entwickelten die Forscher drei Schwierigkeitsstufen der Aufgaben, ähnlich wie in einem Videospiel mit steigendem Schwierigkeitsgrad:
- Level 1 (Das Aufwärmen): Die Roboter erledigten die Arbeit perfekt. Die Menschen schauten nur zu oder führten einen einfachen, präzisen Schritt aus. Es war ruhig, wie ein langsamer Spaziergang im Park.
- Level 2 (Die Stolpersteine): Die Roboter begannen absichtlich Fehler zu machen (wie zum Beispiel ein Teil fallen zu lassen oder an die falsche Stelle zu bewegen). Die Menschen mussten den Fehler entdecken, herausfinden, was schiefgelaufen war, und dem Roboter sagen, wie er ihn beheben kann. Dies war wie das Fahren im Straßenverkehr, wo einem plötzlich jemand den Weg abschneidet; man muss viel genauer aufpassen.
- Level 3 (Das Chaos): Die Menschen mussten gleichzeitig zwischen zwei verschiedenen Robotern hin- und herwechseln. Beide Roboter machten gleichzeitig Fehler. Die Menschen mussten versuchen, zwei Probleme gleichzeitig zu bewältigen. Dies war wie der Versuch, das Abendessen zu kochen, während man telefoniert und gleichzeitig auf den Ofen aufpasst, während das Licht flackert.
Was ist in der Box?
Der Datensatz ist nicht nur ein Video; er ist eine Sammlung synchronisierter Datenströme, die eine vollständige Geschichte erzählen:
- Augen-Metriken: Wie oft die Augen sprangen (Sakkaden), wie lange sie stillstanden (Fixationen) und wie weit sich die Pupillen weiteten.
- Die Umgebung: Ein Protokoll darüber, wie hell der Raum zu jedem Zeitpunkt war (da helle Lichter das Verhalten der Augen verändern können).
- Das Tagebuch des Roboters: Ein Protokoll darüber, was genau die Roboter taten und wann sie Fehler machten.
- Der Bericht des Menschen: Nach jeder Aufgabe gaben die Menschen eine Bewertung von 1 bis 10 ab, wie erschöpft sich ihr Gehirn fühlte.
Warum das wichtig ist
Vor diesem Zeitpunkt fanden die meisten Studien zum Eye-Tracking in langweiligen Umgebungen wie Büros oder beim Spielen von Videospielen statt. Aber eine Fabrik ist anders; sie ist laut, hell und beinhaltet echte Maschinen.
Dieses Paper sagt: „Hier ist ein Datensatz speziell für die echte Zusammenarbeit zwischen Mensch und Roboter.“ Er ermöglicht es anderen Wissenschaftlern, Computerprogramme zu entwickeln, die in die Augen eines Arbeiters schauen und sagen können: „Hey, diese Person ist gerade überfordert“, ohne dass sie fragen oder Kabel am Kopf tragen müssen.
Die Regeln des Spiels
- Privatsphäre zuerst: Es werden keine Gesichter oder Rohvideos der Personen geteilt. Es werden nur die Zahlen (wie „Pupillengröße = 4 mm“) veröffentlicht.
- Open Access: Jeder kann diese Daten kostenlos herunterladen, um eigene Ideen zu testen.
- Einschränkungen: Die Studie fand nur in einem spezifischen Labor mit jungen Universitätsstudenten statt. Sie deckt weder ältere Arbeiter noch andere Fabriklayouts ab, daher sind die Ergebnisse spezifisch für diesen Aufbau.
Kurz gesagt: GAZELOAD ist ein Werkzeugkasten für Wissenschaftler, um Computern beizubringen, das „Stresslevel“ eines Menschen zu lesen, der neben einem Roboter arbeitet, und zwar allein durch die Bewegung seiner Augen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.