Quartz 5

HRI 技術面向與分類法總覽

Properties1
tagsrobotics, hri, research

7 min read

Question

Human robot interaction 有什麼樣的技術面向或是 taxonomy 可以探討?

Answer

vault 中已累積數份 HRI 相關的 survey 分析與研究筆記，可整理出以下幾個彼此獨立但互補的分類軸：

1. 巨觀分類：依互動範疇

  • Physical HRI (pHRI) — 協作機器人（cobot）、手術機器人、靈巧操作。核心是控制與安全問題；ISO/TS 15066 定義力/壓力限制，但近期批判性回顧指出正確的安全基本單位應是「能量轉移」而非瞬時力，2025 年 ISO 10218-2 修訂也把安全從「機器人的屬性」轉為「應用的屬性」。
  • Social HRI (sHRI) — 伴侶機器人、輔助系統、對話代理。核心是感知與互動設計：辨識人類情緒/意圖/注意力，產生人類覺得「適當」而非只是「功能正確」的回應。
  • Remote HRI / Teleoperation — VR/AR 遙操作、共享控制、telepresence。核心是具身感知的遠端傳遞（視覺、觸覺、本體感覺）與延遲/頻寬限制。

來源：research/human-robot-interaction.md

2. SIA 九維分類法（CHI 2026 系統性回顧，86 篇論文，PRISMA 2020，arXiv:2602.15063）

此回顧提出 Sense-Interaction-Alignment (SIA) 框架取代傳統 Sense-Plan-Act 模型，並建立九維分類（附評分者間信度 κ）：

  • Application Domains 應用領域 (κ=0.904)
  • Morphology 機器人型態 (κ=0.894)
  • Evaluation Metrics 評估指標 (κ=0.832)
  • Autonomy Levels 自主程度 (κ=0.846)
  • Modality & Interaction Channels 模態與互動管道 (κ=0.768)
  • Generative & Agentic Interaction 生成式/代理式互動 (κ=0.796)
  • Contextual Perception & Understanding 情境感知理解 (κ=0.720)
  • Methodology 研究方法論 (κ=0.684)
  • Iterative Optimization & Alignment 迭代優化與對齊 (κ=0.684)

LLM 對每一層的改造：Sense 從規則式感知變成多模態情境定位；Interaction 從腳本回應變成生成式/代理式；Alignment 是全新的一層——持續的行為/情感/倫理修正迴路，是傳統 HRI 理論中沒有對應物的部分。

來源：ai/Clippings-how-do-we-research-hri-age-of-llms-systematic-review-arxiv-2602.15063.md

3. 感知模態面向（Multimodal Perception，20 年回顧 2004–2024）

  • 模態：Vision（主導）、Language、Tactile、Audio、Proprioception
  • 四個應用領域：social/assistive robotics、navigation、industrial cobots、general-purpose robotics
  • 核心未解問題：sensor fusion（跨模態雜訊與時間錯位）、lab-to-real 泛化失敗、觸覺感測相對被低估
  • 未來方向：adaptive fusion + 高效學習 + human-trusted decision-making（從「機器人能感知嗎」進展到「人類會接受機器人的決策嗎」）

來源：ai/Clippings-multimodal-perception-hri-survey.md

4. 人類回饋 / 教學訊號分類（HITL-LfD taxonomy）

  • 訊號類型：kinesthetic correction、preference comparison (RLHF)、real-time teleoperation intervention、natural language instruction — 每種攜帶不同資訊，需要不同學習機制
  • 理論主軸：behavior cloning 的失敗模式是 covariate shift；DAgger 與其變體是連接被動 LfD 與 HITL 的橋樑；diffusion policy 是接觸豐富任務的主流動作模型
  • 更深層的理論：representation alignment（Bobu et al., arXiv:2302.01928）把人類回饋重新框定為「表徵對齊的探針」，而非單純的任務價值訓練訊號——機器人的特徵若不能捕捉人類真正在意的東西，再完美的學習演算法也會產生錯誤行為

來源：research/hitl-hri-survey-2024-2026.md

5. 互動媒介 / 平台技術（VAM-HRI: VR/AR/MR，HRI 大會旗艦工作坊 2024/2025）

  • 遙操作介面：雙臂遙操作、觸覺回饋（含 encountered-type haptics）、sonification（聽覺化危害警示）
  • LfD 資料收集：AR 輔助示範全面優於傳統方法，純 AR 方法效能接近最佳 AR 輔助方法
  • 工業部署：AR 錯誤重播與修正（降低停機時間）、環境感知 AR、HMD 物件追蹤（15–25cm 精度）
  • 醫療 / 輔助應用：Parkinson’s tremor MR 復健、gaze-driven 輔助外骨骼、SAR 輔助機械手臂介面
  • HRI 方法論本身：VR 作為 HRI 實驗平台的生態效度、Wizard-of-Oz 介面比較、操作者生物辨識

來源：research/vam-hri-2024-workshop.md、research/vam-hri-2025-workshop.md

6. 貫穿所有分類軸的未解缺口：雙向性（Bidirectionality）與信任

多份 survey 從不同角度指出同一結構性缺口：現有系統多為「指令執行管道」（人下指令、機器人執行），缺乏機器人主動提問、傳達不確定性、協商任務完成的能力。信任與接受度雖在幾乎每份 HRI 調查中出現，卻很少被操作化定義，領域缺乏統一的信任建立/崩潰模型。

來源：research/human-robot-interaction.md、research/hitl-hri-survey-2024-2026.md

Sources

Vault notes consulted:

Follow-up Questions

  • vault 中 ai/Clippings-physical-hri-safety-constraints-review.md 目前只是一個指向不存在目標（Clippings-physical-hri-safety-constraints）的 alias 占位檔——原始 ISO/TS 15066 安全標準批判性回顧的完整分析似乎遺失或未落地，值得之後重新 clip/analyze。
  • SIA 框架的 Alignment 層（持續行為/情感/倫理對齊）目前只是概念性提案，vault 中尚無任何一篇 survey 提出具體工程實作方式，這是否值得列入下一輪 arxiv-digest 的關注關鍵字？
  • 「雙向性」缺口在多份調查中反覆出現，但 vault 中沒有一篇聚焦在 uncertainty quantification 或主動澄清對話設計的深度研究——是否該開一個 /research-vault 主題？

Connections

Graph View

Backlinks