构建多模态人机交互数据集，分析用户参与度。
Establishing a Dynamic Multimodal HRI Dataset for Engagement Analysis with a Humanoid Robot
- 设计结构化采集流程，融合生理信号与行为数据。
- 在不同任务复杂度下收集多源数据，支持深度分析。
- 适合研究人机交互中的情感与注意力机制。
本文提出一种实验设计，用于构建多模态数据集，以分析人机交互（HRI）中的用户参与度。以往研究主要依赖可观测的行为线索，缺乏对生理信号的系统整合。为此，我们设计了结构化的数据采集协议，涵盖可穿戴生理信号、行为数据及自评量表，实验中设置了不同任务复杂度水平，以全面捕捉用户反应。
原文摘要 · Abstract (English)
This paper presents an experimental design for constructing a multimodal dataset to analyze user engagement in human-robot interaction (HRI). Prior studies have mainly relied on observable behavioral cues, with limited frameworks integrating physiological signals. We therefore propose a structured data-collection protocol to build a multimodal dataset that includes wearable physiological signals, behavioral data, and self-report measures under different levels of task complexity defined in this experiment.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。