REFLEX Dataset

REFLEX数据集是一个全面的多模态数据集，捕捉了人类在协作设置中对机器人失败和随后解释的反应。该数据集由瑞典皇家理工学院创建，旨在促进对人类-机器人交互动力学的研究，解决对初始失败和解释的反应以及这些反应在长期交互中的演变问题。数据集包含了丰富的、注释详尽的关于人类对不同类型失败的反应，解释水平以及解释变化策略的信息，有助于开发更稳健、自适应且能满足与人类协作者保持积极关系的机器人系统，即使是在重复失败的挑战中。

The REFLEX dataset is a comprehensive multimodal dataset that captures human responses to robot failures and their subsequent explanations in collaborative settings. Developed by the KTH Royal Institute of Technology, this dataset is designed to advance research on human-robot interaction dynamics, addressing human reactions to initial failures and explanations, as well as the evolution of these responses during long-term interactions. The dataset contains rich, thoroughly annotated information on human responses to various types of failures, explanation levels, and explanation adjustment strategies, which facilitates the development of more robust and adaptive robotic systems that can maintain positive relationships with human collaborators even in the face of repeated failure challenges.

搜集汇总

数据集介绍

构建方式

REFLEX Dataset 是通过在物理交互任务中引入预编程的机器人动作失败来构建的。参与者与机器人协作，完成将物体从桌面放到架子上的一系列动作。机器人按照设定的解释策略，在失败时提供不同级别的解释。数据集包含了55名参与者在五种解释策略下的交互数据，通过多模态方式记录了参与者的反应。

使用方法

使用该数据集时，研究者可以分析人类对机器人失败和解释的反应，进而改进机器人的人机交互系统。数据集提供了多种模态的数据，如视觉、语音、面部表情等，研究者可以根据需要选择合适的数据类型进行分析。此外，数据集还提供了可视化的工具，帮助研究者更直观地理解数据。

背景与挑战

背景概述

REFLEX Dataset是由KTH皇家理工学院的研究人员Parag Khanna等创建的多模态数据集，旨在捕捉人类对机器人失败和随后的解释的反应。该数据集涉及55名参与者在五种不同的解释策略下的反应，通过音频和视频记录了他们在与机器人协作任务中的表现。REFLEX Dataset的核心研究问题是探索人类如何响应机器人的失败和解释，以及这些反应如何随时间演变，从而为开发更鲁棒、适应性更强、更满意的人机交互系统提供支持。

当前挑战

该数据集面临的挑战主要包括：1)如何准确捕捉和分类人类对机器人失败的反应，包括对失败的解释和理解；2)如何构建能够适应重复失败和解释的机器学习模型，以维持积极的机器人-人类关系；3)如何评估不同解释生成技术对人类理解和信任的影响，并开发针对机器人失败的定制化解释。

常用场景

经典使用场景

REFLEX Dataset是一个多模态数据集，捕捉了人类对机器人失败和随后机器人解释的反应。其经典使用场景在于研究人类-机器人交互 dynamics，特别是在面对机器人失败和解释时的反应，以及这些反应在长期交互中的演变。

解决学术问题

该数据集解决了学术研究中对机器人失败反应和解释的缺乏数据问题，提供了丰富的注释数据，可用于分析人类对各种类型失败的响应，不同解释水平的效果，以及重复失败和解释对信任和协作的影响。

实际应用

REFLEX Dataset的实际应用场景广泛，包括但不限于机器人设计中的错误检测和修复，机器人行为的解释和透明度提升，以及改善人类-机器人协作的效率和满意度。

数据集最近研究

最新研究方向

REFLEX Dataset是一个多模态数据集，捕捉了人类对机器人失败和随后机器人解释的反应。该数据集的最新研究方向主要集中在利用这些反应数据来设计更稳健、适应性强的人类-机器人交互系统。通过分析人类对不同类型机器人失败和不同解释水平的反应，研究人员可以识别出有效的维持信任和协作的方法。此外，该数据集还可以用于开发机器学习模型，以自动检测和分类人类反应，从而实现机器人更及时、更个性化的响应。研究也关注了人类反应在重复交互中的演变，以期为设计长期适应性的人类-机器人交互行为提供依据。

相关研究论文

• REFLEX Dataset: A Multimodal Dataset of Human Reactions to Robot Failures and Explanations

  瑞典皇家理工学院 · 2025年