GAZELOAD A Multimodal Eye-Tracking Dataset for Mental Workload in Industrial Human-Robot Collaboration
本文介绍了 GAZELOAD，这是一个从 26 名参与者在受控工业环境下与协作机器人交互过程中收集的多模态数据集，该数据集将高分辨率眼动追踪指标与环境及任务上下文数据进行同步，旨在促进人机协作中心理负荷评估算法的开发与基准测试。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图弄清楚一个人在与机器人搭档一起构建物体时，大脑的工作强度有多大。通常情况下，我们无法看到别人的大脑内部，但我们的眼睛就像是窗口，能为我们提供线索。当大脑变得忙碌或感到压力时，我们的眼睛会改变其运动方式、瞳孔的大小以及注视物体的时间。
这篇论文介绍了一本全新的“说明书”和一个名为 GAZELOAD 的巨型数据箱。你可以把这个数据集看作是一个庞大且有组织的图书馆，记录了 26 个人在工厂环境下与机器人协作时的眼动数据。
以下是他们所做工作及发现的简单拆解：
实验设置：机器人的舞池
研究人员在实验室里搭建了一个模拟工厂。他们为人类设置了两个“舞伴”：一个 UR5 机器人和一个 Franka Emika Panda 机器人。
- 人类佩戴着特殊的智能眼镜（Meta ARIA），这些眼镜就像间谍相机，记录了人类注视的确切位置、瞳孔如何反应，甚至房间有多亮。
- 目标是观察当工作难度增加时，人类的眼睛是如何反应的。
三个难度等级
为了测试人类的心理“肌肉”，研究人员创建了三个不同难度的任务，就像带有递增难度等级的视频游戏一样：
- 等级 1（热身）： 机器人完美地完成工作。人类只是观察或者做一个简单、精准的步骤。这很平静，就像在公园里散步。
- 等级 2（小插曲）： 机器人开始故意出错（比如掉落零件或移动到错误的位置）。人类必须发现错误，弄清楚哪里出了问题，并告诉机器人如何修复。这就像在交通拥堵中开车，突然有人加塞，你必须更加专注。
- 等级 3（混乱）： 人类必须同时在两个不同的机器人之间来回切换。两个机器人都在同时出错。人类必须一边处理一个问题，一边解决另一个问题。这就像是在一边做晚饭，一边接电话，还要盯着烤箱，同时灯光还在闪烁。
箱子里装了什么？
这个数据集不仅仅是一个视频；它是一系列同步的数据流，讲述了一个完整的故事：
- 眼动指标： 眼睛跳动的次数（扫视）、停留的时间（注视）以及瞳孔的大小。
- 环境信息： 每一秒钟房间亮度的记录（因为强光会改变眼睛的行为）。
- 机器人的日记： 记录了机器人具体在做什么以及何时出错的日志。
- 人类的报告： 每项任务结束后，人类都会给出一个 1 到 10 分的评分，表示他们的脑力疲劳程度。
为什么这很重要
在此之前，大多数关于眼动追踪的研究都发生在办公室或玩视频游戏等枯燥的地方。但工厂是不同的；那里嘈杂、明亮，并且涉及真实的机器。
这篇论文在说：“这里有一个专门针对真实世界机器人协作的数据集。” 它允许其他科学家开发计算机程序，通过观察工人的眼睛就能说：“嘿，那个人快要不堪重负了，”而无需询问他们或在他们头上佩戴导线。
游戏规则
- 隐私第一： 不分享任何面部图像或原始视频。只发布数字（例如“瞳孔大小 = 4mm”）。
- 开放获取： 任何人都可以免费下载这些数据来测试自己的想法。
- 局限性： 该研究仅在一个特定的实验室中进行，参与者是年轻的大学生。它并不涵盖年长工人或不同的工厂布局，因此研究结果具有特定性。
简而言之，GAZELOAD 是一个工具包，旨在帮助科学家教计算机如何仅通过观察眼睛的运动，来读取人类在与机器人协作时的“压力水平”。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。