GAIPAT

GAIPAT数据集由法国格勒诺布尔大学等机构创建，旨在研究人类动作与视线在共享工作环境中的耦合关系，特别是与协作机器人的交互。该数据集包含约80名参与者在模拟工业组装任务中的视线和动作数据。数据通过两种不同的眼动追踪设备（头戴式和远程）收集，参与者在坐立两种姿势下完成操作。数据集可应用于人类意图预测、生成性视线模型以及增强人机协作等领域，但任务相对简单，且仅使用红外眼动追踪技术，存在一定局限性。The GAIPAT dataset was developed by institutions including the University of Grenoble Alpes (France) and other relevant organizations, aiming to investigate the coupling relationship between human actions and gaze in shared work environments, particularly interactions with collaborative robots. This dataset contains gaze and motion data from approximately 80 participants who completed simulated industrial assembly tasks. The data was collected via two different eye-tracking devices: head-mounted and remote, with participants performing the tasks in both sitting and standing postures. The GAIPAT dataset has applications in multiple domains including human intention prediction, generative gaze modeling, and enhanced human-robot collaboration. Nevertheless, it possesses certain limitations: the experimental tasks are relatively simple, and only infrared eye-tracking technology was employed during data collection.

搜集汇总

数据集介绍

构建方式

GAIPAT数据集的构建基于模拟工业装配任务，旨在研究人类与协作机器人（cobot）在共享工作环境中的行为与注视耦合。数据集通过控制实验场景，使用教育积木模拟装配任务，收集了约80名参与者的注视和动作数据。实验中，参与者分别在坐姿和站姿下完成任务，并使用头戴式和远程两种眼动追踪设备记录注视数据。数据采集过程包括手部动作的视频记录和系统时间戳的同步，确保数据的精确性和一致性。

特点

GAIPAT数据集的特点在于其多样化的实验设置和丰富的数据类型。首先，数据集涵盖了两种眼动追踪设备（头戴式和远程）和两种操作姿势（坐姿和站姿），为不同技术配置下的注视行为研究提供了基础。其次，数据集不仅包含原始的注视点数据，还记录了手部动作、事件标注和兴趣区域（AOIs）信息，为分析注视与动作的耦合关系提供了多维度的视角。此外，数据集的实验场景模拟了真实的工业任务，确保了数据的实际应用价值。

使用方法

GAIPAT数据集可用于多个研究领域，特别是在人类意图预测和协作机器人行为优化方面。研究者可以通过分析数据集中的注视模式与动作序列，探索人类在装配任务中的认知过程和注意力动态。此外，数据集还可用于生成协作机器人的注视模型，模拟人类的注视行为，从而提升人机协作的效率和安全性。使用数据集时，研究者可以结合事件标注和兴趣区域信息，深入分析特定动作与注视点之间的关系，或通过对比不同眼动追踪设备的数据，评估不同技术配置的适用性。

背景与挑战

背景概述

GAIPAT数据集由法国格勒诺布尔阿尔卑斯大学的研究团队于2025年创建，旨在深入研究人类在协作机器人（cobot）环境中的注视与动作之间的耦合关系。该数据集通过模拟工业装配任务，记录了约80名参与者的注视和动作数据，涵盖了坐姿和站姿两种工作状态，并使用了头戴式和远程两种眼动追踪设备。GAIPAT的创建填补了现有数据集在工业任务场景中的不足，特别是其多设备、多姿态的实验设计为研究人类意图预测和认知过程提供了宝贵的数据支持。该数据集不仅推动了人机协作领域的研究，还为提升协作机器人的安全性和效率提供了科学依据。

当前挑战

GAIPAT数据集在解决人类意图预测问题时面临的主要挑战包括：1) 如何准确捕捉人类注视与动作之间的时序关系，尤其是在复杂的工业装配任务中，人类的注视往往先于动作，但这一过程的精确建模仍具有挑战性；2) 如何从多源数据（如眼动追踪、动作捕捉）中提取有效特征，以构建鲁棒的意图预测模型。在数据集构建过程中，研究团队也面临了技术挑战：1) 不同眼动追踪设备的校准和数据同步问题，尤其是在头戴式和远程设备同时使用时，数据的一致性和精度难以保证；2) 实验场景的复杂性，包括参与者的姿势变化、设备遮挡以及动作的多样性，这些因素增加了数据采集和标注的难度。

常用场景

经典使用场景

GAIPAT数据集在工业装配任务中的人机协作研究中具有重要应用。通过记录参与者在模拟装配任务中的眼动和动作数据，该数据集为研究人员提供了丰富的实验数据，用于分析人类在协作机器人环境中的注意力分配和行为模式。特别是在装配任务中，人类的眼动往往先于动作发生，因此该数据集为预测人类意图提供了关键支持。

衍生相关工作

GAIPAT数据集的发布催生了一系列相关研究，特别是在人机协作和眼动分析领域。基于该数据集的研究工作包括开发新的意图预测算法、优化协作机器人的行为模型，以及探索不同眼动追踪技术在工业环境中的应用效果。此外，该数据集还为其他领域的研究提供了基础数据支持，如认知科学、人因工程和虚拟现实等。

数据集最近研究

最新研究方向

GAIPAT数据集在工业装配任务中的人机协作领域引起了广泛关注，尤其是在人类意图预测和认知过程分析方面。近年来，随着协作机器人（cobots）在工业环境中的广泛应用，如何通过人类注视行为预测其下一步动作成为研究热点。GAIPAT数据集通过结合头戴式和远程眼动追踪技术，捕捉了80名参与者在坐姿和站姿下的注视与动作数据，为理解人类在装配任务中的注意力分配和动作序列提供了丰富的数据支持。该数据集不仅填补了现有数据集在工业场景中的空白，还为开发更智能的协作机器人系统提供了基础。通过分析人类注视与动作的耦合关系，研究人员可以优化机器人的行为预测算法，从而提升人机协作的效率和安全性。

相关研究论文

• GAIPAT -Dataset on Human Gaze and Actions for Intent Prediction in Assembly Tasks

  法国格勒诺布尔大学, CNRS, Grenoble INP, LIG · 2025年