科研学术

　　近日，自动化工程学院2022级博士生穆逢君在机器人领域著名国际会议IEEE International Conference on Robotics and Biomimetics（IEEE ROBIO）上发表题为“Gaze Betray You: Abnormal Attention Detection from Human-Robot Interaction Dynamics”的研究性论文，并获得“Best Paper Award in Biomimetics”（仿生学最佳论文奖）。该成果为电子科技大学人机智能技术与系统教育部工程研究中心程洪教授团队完成，穆逢君为文章第一作者，张静婷为通讯作者，共同作者还有邹朝彬、黄宗海、黄瑞、程洪。

IEEE ROBIO仿生学最佳论文获奖证书

　　IEEE ROBIO会议最佳论文颁奖仪式。从左到右为Kazuhiro Kosuge（大会主席，IEEE Fellow），张静婷（论文通讯作者）、张建伟（中国工程院外籍院士，德国国家工程院院士）

　　人机交互是结合机器人、认知科学和人因工程学的前沿研究领域，通过分析人类认知、经验、情绪等因素影响下的行为与生理信号，实现人工智能技术与人类认知、行为模式的深度融合。机器人研究中心程洪教授团队创新性地提出了人机认知学习技术，可从人机交互中脑电、眼动等生理信号中学习人类认知行为的动态过程，为理解人类认知过程、优化人机协作提供科学依据与技术支撑。其中，注意力监测是人机交互与人机认知学习技术的一个重要研究问题（见图3），实现异常注意力监测能够在个体注意力偏离核心任务时给予提醒，对于保证人机交互中的操作安全性和执行高效性至关重要，应用场景包括交通驾驶、工业制造、医疗康复等。

人机交互中的多任务注意力分配

　　本论文面向“如何基于生理信号表征人机多任务交互过程中人类注意力的动态变化”以及“如何实现动态人机交互中面向目标任务的注意力异常分配监测“这两大核心科学问题开展研究，采用非线性动态系统理论技术，分析人类注意力的有限认知资源分配过程，提出了基于主要任务与干扰任务的双任务人机交互范式。本文提出了一种基于确定学习的认知时空动力学建模方法，可基于眼动仪采集到的视点信号刻画人类注意力分配状态（见图4）。基于构建的认知动力学模型，提出了一种基于动态模式匹配的异常注意力监测方法，能够准确识别人类在给定任务上分配注意力的动态变化，为多任务人机交互中的认知行为分析和系统优化提供了重要理论基础与技术支持。

基于确定学习的眼动时空动力学建模框架

　　IEEE机器人与自动化学会（The IEEE Robotics and Automation Society，IEEE RAS）是机器人和自动化领域最受认可和尊重的全球组织之一。IEEE机器人与仿生学国际会议（IEEE International Conference on Robotics and Biomimetics，IEEE ROBIO）是IEEE RAS旗下的重要会议，已成功举办20届，旨在为机器人和仿生学跨学科领域的研究人员提供一个传播最新研究成果与建立未来合作机会的平台。2024年，该会议于12月10日至14日在泰国曼谷举行，汇集了来自世界各地的机器人与仿生学研究人员和工业合作伙伴，包括大会报告、主题演讲、论文报告会、研讨会、博览会、比赛等环节，以探讨最新的研究创新和突破。