A multi-sensor public dataset of human-human handover

这是一个多传感器公共数据集，记录了在人-人传递任务中收集的智能手表、动作捕捉和Kinect数据。数据集主要包含传感器数据、视频记录和问卷答案，用于支持相关研究和分析。

This is a multi-sensor public dataset that records data collected from smartwatches, motion capture, and Kinect during human-to-human handover tasks. The dataset primarily includes sensor data, video recordings, and questionnaire responses, aimed at supporting relevant research and analysis.

原始信息汇总

数据集概述

数据集名称

A multi-sensor public dataset of human-human handover

数据集内容

• sensor_data: 包含数据集的主要部分，按志愿者分组，每个实验对应一个包含标记数据的Excel文件。
• video: 包含实验过程中录制的视频，结构与Excel文件夹相同。
• questionnaires: 包含问卷答案、志愿者数据及实验执行的注释（志愿者3、4、7和8的文件因技术问题缺失）。

数据集工具

• inertiaplotter.m: 用于绘制惯性数据的Matlab函数。
• kinectplotter.m: 用于绘制Kinect骨骼的Matlab函数。
• loader.m: 用于加载Excel文件夹中数据的Matlab函数。
• mocaplotter.m: 用于绘制动作捕捉数据的Matlab函数。
• play.m: 用于播放实验视频记录的Matlab函数。
• Qloader.m: 用于加载问卷文件夹中数据的Matlab函数。
• Qplotter.m: 用于绘制问卷结果的Matlab函数。

许可证信息

数据集提供无任何保证的使用，包括隐含的适销性或特定用途的适用性保证。作者允许数据集用户用于自己的研究并进行修改。任何商业应用、重新分发等需与作者单独协商。

作者联系方式

• Alessandro Carfì, [e-mail]
• Francesco Foglino, [e-mail]
• Barbara Bruno, [e-mail]
• Fulvio Mastrogiovanni, [e-mail]

搜集汇总

数据集介绍

构建方式

该数据集通过多传感器采集系统构建，主要包含传感器数据、视频记录和问卷调查三大部分。传感器数据部分通过实验记录志愿者在交接动作中的运动学数据，并以Excel文件形式存储。视频部分则记录了实验过程中的视觉信息，便于后续分析。问卷调查部分收集了志愿者的基本信息及实验执行中的注释，尽管部分数据因技术问题缺失，但仍为研究提供了丰富的背景信息。

特点

该数据集的特点在于其多模态数据的融合，涵盖了运动学数据、视觉数据和问卷调查数据，能够为研究者提供多维度的分析视角。数据集中的传感器数据经过精确标注，便于直接用于运动学分析。视频数据与传感器数据同步记录，确保了数据的时间一致性。此外，问卷调查部分提供了实验执行中的详细注释，有助于深入理解实验背景和志愿者的行为模式。

使用方法

使用该数据集时，研究者可通过Matlab函数加载和处理数据。`loader.m`函数用于加载传感器数据，`Qloader.m`函数则用于加载问卷调查数据。数据集还提供了多个绘图函数，如`inertiaplotter.m`和`kinectplotter.m`，用于可视化惯性数据和Kinect骨架数据。视频数据可通过`play.m`函数进行播放，便于与传感器数据进行对比分析。研究者可根据具体需求选择合适的函数进行数据处理和分析。

背景与挑战

背景概述

A multi-sensor public dataset of human-human handover 数据集由意大利热那亚大学DIBRIS部门的Alessandro Carfì、Francesco Foglino、Barbara Bruno和Fulvio Mastrogiovanni等研究人员创建，旨在为研究人-人交接行为提供多传感器数据支持。该数据集包含了多种传感器采集的数据，如运动捕捉、惯性测量单元（IMU）和视频记录等，涵盖了不同实验条件下的交接行为。通过提供丰富的多模态数据，该数据集为研究人-人交互中的动力学、协调性以及感知-运动耦合等问题提供了重要资源，推动了人机交互和机器人学领域的研究进展。

当前挑战

该数据集在解决人-人交接行为的复杂性问题时面临多重挑战。首先，交接行为涉及高度动态的物理交互和复杂的感知-运动协调，如何从多传感器数据中提取有效的特征以描述这些行为是一个关键问题。其次，数据集的构建过程中，研究人员需要确保不同传感器数据的同步性和一致性，这对实验设计和数据采集提出了较高要求。此外，由于部分实验数据缺失（如志愿者3、4、7和8的问卷数据），数据集的完整性和代表性受到一定影响，这可能限制其在某些研究场景中的应用。

常用场景

经典使用场景

在机器人学和人机交互领域，'A multi-sensor public dataset of human-human handover'数据集被广泛用于研究人类之间物体传递的动态过程。通过多传感器数据，包括运动捕捉、惯性测量单元和视频记录，研究者能够深入分析传递过程中的物理和认知因素，从而优化机器人设计，使其更好地模拟人类行为。

实际应用

在实际应用中，该数据集被用于开发服务机器人，特别是在医疗和家庭护理领域。通过分析人类之间的物体传递数据，机器人能够学习如何在复杂环境中安全、有效地与人类进行交互，从而提高护理质量和效率。

衍生相关工作

基于该数据集，多项经典研究工作得以展开，包括机器人抓取策略的优化、人机交互界面的设计改进以及智能辅助设备的开发。这些研究不仅推动了机器人技术的发展，也为相关领域的学术研究提供了宝贵的数据支持。