Eye Tracking Assembly Task dataset

该数据集专注于眼动追踪装配任务，包含了眼动追踪配置和装配任务的详细信息，数据集中的坐标已转换为毫米/像素坐标，并且状态表仅在抓取/释放事件时改变。

This dataset focuses on eye-tracking assembly tasks, encompassing detailed information on eye-tracking configurations and assembly tasks. The coordinates within the dataset have been converted to millimeter/pixel coordinates, and the status table changes only during grasp/release events.

原始信息汇总

Eye Tracking Assembly Task dataset 概述

数据集目的

本数据集旨在研究人类操作员在装配任务中的眼部行为，以预测在人机协作环境中未来的人类操作员行动。

数据采集

数据由80名心理学学生参与，在LIG进行的一项研究中采集。详细的研究协议可在协议页面找到。

数据内容

数据集包含使用Lego Duplo进行图形装配过程中收集的眼部数据。完整的数据集文档可在文档页面查阅。

预测模型

依赖和要求

• 无Python环境：
  • Python版本需大于等于3.9.2
  • 使用pip安装 prediction/requirements.txt 中的依赖
• 有Python环境：
  • 创建并激活Python虚拟环境
  • 安装 prediction/requirements.txt 中的依赖

开始使用

• 进入 prediction 目录
• 运行 python main.py 使用基于模型的方法
• 运行 python main_lstm.py 使用基于机器学习的方法
• 运行 python plot_graph.py path/to/the/log/files 绘制表面图形
• 运行 python plot_norme.py path/to/the/log/files 绘制规范图形

搜集汇总

数据集介绍

构建方式

在LIG-SIC Eyes-Of-Cobot项目的框架下，Eye Tracking Assembly Task数据集通过招募80名心理学学生参与实验构建而成。这些学生被要求在LIG实验室环境中使用Lego Duplo进行图形的组装任务。实验过程中，通过眼动追踪技术收集了参与者的眼球运动数据，旨在研究人类在组装任务中的视觉行为。完整的实验协议可在[protocol](docs/protocol.md)页面查阅。

特点

该数据集的显著特点在于其专注于人类在组装任务中的视觉行为研究，特别是在人机协作的背景下。数据集包含了丰富的眼球运动数据，这些数据能够反映出人类在执行复杂任务时的视觉焦点和注意力分布。此外，数据集的设计旨在支持对未来人类操作行为的预测，为开发更智能的人机协作系统提供了宝贵的数据资源。

使用方法

使用该数据集进行研究或开发时，首先需确保Python环境满足版本要求（Python 3.9.2及以上），并通过pip安装所需的依赖包。数据集的使用主要集中在预测模型的构建和验证上，可以通过运行`main.py`或`main_lstm.py`脚本来实现基于模型或机器学习的方法。此外，`plot_graph.py`和`plot_norme.py`脚本可用于生成和分析实验结果的可视化图表。

背景与挑战

背景概述

眼动装配任务数据集（Eye Tracking Assembly Task dataset）是LIG-SIC Eyes-Of-Cobot项目的一部分，由Grenoble Alpes大学Laboratoire d'Informatique de Grenoble的Marvin/M-PSI团队开发。该数据集旨在研究人类操作员在装配任务中的眼动行为，特别是在人机协作背景下预测未来操作动作。数据集通过80名心理学学生参与的实验收集，使用Lego Duplo进行装配任务，记录了详细的眼动数据。这一研究不仅有助于理解人类在装配任务中的行为模式，还为开发更智能的协作机器人提供了数据支持。

当前挑战

该数据集面临的挑战主要包括数据收集的复杂性和预测模型的准确性。首先，眼动数据的收集涉及多方面的技术难题，如确保数据的高精度与实时性。其次，预测人类操作员未来动作的模型构建需要处理大量的眼动数据，并从中提取有用的特征，这对数据处理和机器学习算法提出了高要求。此外，如何在实际应用中验证和优化这些模型，以确保其在人机协作环境中的有效性和可靠性，也是当前研究的重要挑战。

常用场景

经典使用场景

在人机协作领域，Eye Tracking Assembly Task数据集被广泛用于研究人类操作员在装配任务中的眼球运动行为。通过分析参与者在组装Lego Duplo过程中的眼动数据，研究者能够深入理解操作员的注意力分配和决策过程，从而为预测未来操作行为提供数据支持。这种研究不仅有助于优化人机协作系统的设计，还能提升操作效率和安全性。

解决学术问题

该数据集解决了人机协作中一个关键的学术问题，即如何通过眼动数据预测人类操作员的未来行为。传统的预测方法往往依赖于复杂的物理模型和行为观察，而眼动数据提供了一种更为直观和实时的信息来源。通过分析眼动轨迹，研究者能够更准确地预测操作员的意图和需求，从而为人机协作系统的设计和优化提供科学依据。

衍生相关工作

基于Eye Tracking Assembly Task数据集，研究者们开展了一系列相关工作，包括眼动数据的深度学习模型构建、眼动轨迹的实时分析算法开发等。这些工作不仅推动了人机协作领域的技术进步，还为其他相关领域的研究提供了新的思路和方法。例如，眼动数据在心理学、认知科学和用户体验研究中的应用也逐渐受到关注，显示出该数据集的广泛影响力。