《SocioGesture：面向人機互動的即時自適應社交手勢感知》論文解讀
近日，來自arXiv的一篇新論文提交至機器人學（cs.RO）與計算機視覺（cs.CV）交叉領域，題目為“SocioGesture: Real-Time and Adaptive Social Gesture Perception for Human-Robot Interaction”。論文作者包括Wenjin Fu及其他五位合作者，於2026年9月3日透過arXiv釋出，編號為2609.04545。研究者指出，現實環境中的人機互動不僅需要機器人識別明確的語音或觸控命令，還必須感知諸如邀請、拒絕、暫時忙碌等社交暗示。然而，在真實部署中，機器人面臨的是嘈雜的感知資料、部分遮擋、視角變化和嚴格的延遲約束，這要求系統能夠在有限計算資源下，從身體姿勢和手部動作中快速推斷出社交狀態。
為了應對這些挑戰，論文提出了SocioGesture系統。該系統首先定義了一種緊湊的、置信度感知的身體–手部骨骼表示，該表示能夠對關鍵點檢測的不確定性進行建模。隨後，演算法採用一個輕量級雙流模型，其中一條流處理全身運動，另一條流聚焦手部關節的精細變化，兩路特徵在低延遲條件下融合，以支援機載的即時識別。這種設計避免了將整個影片幀送入大型網路，而是選擇結構化的骨架輸入，大大減少了計算複雜度，適合部署在機器人平臺上的邊緣裝置中。
值得注意的是，作者在訓練階段引入了遮擋感知的骨架損壞機制。具體來說，模型會在訓練時隨機丟棄或干擾手部關鍵點、模擬手臂被遮擋以及讓關鍵點軌跡產生時間上的不穩定性。這一策略在不增加推理成本的前提下，使模型學會在身體部分不可見時仍能做出正確判斷，顯著提升了在真實場景中的魯棒性。為了評估效能，研究團隊在一個包含室內和室外的混合場景社交手勢資料集上進行了實驗。實驗結果表明，SocioGesture在留出受試者測試中達到了較高的識別準確率，在面對結構化關節遮擋時相較基線有大幅度改善，並且在邊緣裝置上的處理速度滿足即時需求。
除了離線訓練，SocioGesture還設計了一套線上適應流程。當識別系統在部署中對某一互動片段的置信度較低時，該片段會被自動儲存下來，等待人工或其他途徑進行離線標註，之後利用這些新標註樣本對模型進行增量更新。這種機制使得機器人可以在長期執行過程中不斷擴充套件其手勢詞彙表，同時不會忘記已經學會的原有手勢類別，避免了災難性遺忘的問題。論文作者總結認為，SocioGesture為打造高效、魯棒且具有自適應能力的機器人社交感知系統提供了一條可行路徑。
根據論文後設資料，該研究共包含15頁正文和3幅圖，專案頁面可透過論文地址訪問。arXiv平臺還提供了實驗性HTML展示，方便線上閱讀；同時，論文已獲得DataCite分配的DOI（10.48550/arXiv.2609.04545），目前處於註冊待完成狀態。提交記錄顯示，論文的第一個版本於2026年9月3日23:03:43 UTC上傳，檔案大小為4,911 KB。