Humans are very good at conveying when something is lost or misinterpreted in communication by using social cues like facial expressions or changes in prosody. However, these methods are usually not applicable for most robots, which are appearance constrained and vocality constrained. This is also one of the key factors that restrain the efficiency of Human-Robot Interaction (HRI). In this project, we explore a novel paradigm for enhancing the perception of the robot’s internal states using augmented reality (AR). A series of visualization interfaces augmenting either the environment, robot, or target object are implemented and evaluated through a user study. We found that AR visualization improved efficiency and motion predictability over a control group in which there is no visualization. The project shows not only the potential of AR visualizing as a bridge coordinating human and robot, but also a promising future of applications visualising robot’s internal states. / Människor är mycket bra på att förmedla när något går förlorat eller tolkas felaktigt i kommunikationen genom att använda sociala ledtrådar som ansiktsuttryck eller förändringar i prosodi. Dessa metoder är dock vanligtvis inte tillämpliga för de flesta robotar, vilka är begränsade till utseendet och begränsad vokalitet. Detta är också en av nyckelfaktorerna som begränsar effektiviteten i Human-Robot Interaction (HRI). I detta projekt utforskar vi ett nytt paradigm för att förbättra uppfattningen om robotens interna tillstånd med hjälp av augmented reality (AR). En serie visualiseringsgränssnitt som förstärker antingen miljön, roboten eller målobjektet implementeras och utvärderas genom en användarstudie. Vi fann att AR-visualisering förbättrade effektiviteten och rörelsesförutsägbarheten över en kontrollgrupp där det inte finns någon visualisering. Projektet visar inte bara potentialen för AR- visualisering som en bro som koordinerar människa och robot utan också en lovande framtid för applikationer som visualiserar robotens interna tillstånd.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-288144 |
| Date | January 2020 |
| Creators | Ke, Zhang |
| Publisher | KTH, Skolan för elektroteknik och datavetenskap (EECS) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-EECS-EX ; 2020:829 |
Page generated in 0.0017 seconds