First Responders' Perceptions of Semantic Information for Situational Awareness in Robot-Assisted Emergency Response
作者: Tianshu Ruan, Zoe Betta, Georgios Tzoumas, Rustam Stolkin, Manolis Chiou
分类: cs.RO
发布日期: 2025-10-19 (更新: 2025-12-08)
💡 一句话要点
调研语义信息对机器人辅助应急响应中情境感知的影响
🎯 匹配领域: 支柱七：动作重定向 (Motion Retargeting)
关键词: 机器人辅助 应急响应 情境感知 语义信息 用户调研
📋 核心要点
- 现有机器人辅助应急响应系统在情境感知方面存在不足，难以满足急救人员的实际需求。
- 通过问卷调查，了解急救人员对语义信息在机器人辅助应急响应中构建情境感知的看法和需求。
- 研究揭示了急救人员对语义信息的信任度要求，以及实验室研究与实际应用之间的差距。
📝 摘要（中文）
本研究调查了急救人员(FRs)在应急行动中对机器人系统中语义信息和情境感知(SA)使用的态度。一项结构化问卷被分发给来自八个国家的22名急救人员，收集了他们的人口统计资料、对机器人的一般态度以及使用语义增强型情境感知的经验。结果表明，大多数急救人员对机器人持积极态度，并认为语义信息在构建情境感知方面的效用平均为3.6分(满分5分)。语义信息在预测意外紧急情况方面的作用也受到重视(平均3.9分)。参与者表示，他们平均需要74.6%的准确率才能信任语义输出，67.8%的准确率才能认为语义输出有用，这表明他们愿意使用不完善但信息丰富的AI支持工具。据我们所知，这项研究首次直接调查了跨国背景下急救人员对基于语义的情境感知的看法，提供了新的见解。它揭示了该领域中最有价值的语义信息类型，例如对象身份、空间关系和风险环境，并将这些偏好与受访者的角色、经验和教育水平联系起来。研究结果还揭示了实验室机器人能力与现场部署现实之间的关键差距，突出了急救人员与机器人研究人员之间进行更有意义的合作的必要性。这些见解有助于开发更符合用户需求和具有情境感知的应急响应机器人系统。
🔬 方法详解
问题定义：现有机器人辅助应急响应系统的情境感知能力不足，无法有效利用语义信息，导致急救人员难以充分信任和使用这些系统。痛点在于，实验室环境下的机器人能力与实际复杂多变的应急场景存在较大差距，缺乏对急救人员实际需求的深入理解。
核心思路：本研究的核心思路是通过直接调研急救人员，了解他们对语义信息的需求、信任度要求以及对机器人辅助系统的期望。通过分析这些数据，可以更好地指导机器人系统的设计和开发，使其更符合实际应用场景的需求。
技术框架：本研究采用问卷调查的方式，收集急救人员的人口统计信息、对机器人的一般态度以及使用语义增强型情境感知的经验。问卷内容包括对语义信息效用的评价、对语义信息准确率的要求以及对不同类型语义信息的偏好等。收集到的数据通过统计分析，揭示急救人员对语义信息的需求和期望。
关键创新：本研究的关键创新在于首次直接面向急救人员，调查他们对语义信息在机器人辅助应急响应中的看法。以往的研究更多关注技术层面，而忽略了最终用户的实际需求。通过这种调研，可以更准确地了解急救人员的需求，从而指导机器人系统的设计和开发。
关键设计：问卷设计是本研究的关键。问卷内容涵盖了急救人员的人口统计信息、对机器人的一般态度、对语义信息的效用评价、对语义信息准确率的要求以及对不同类型语义信息的偏好等。问卷采用结构化设计，便于数据收集和分析。问卷发放对象为来自不同国家的急救人员，以保证样本的多样性。
🖼️ 关键图片
📊 实验亮点
研究表明，急救人员对语义信息在构建情境感知方面的效用评价较高，平均为3.6分(满分5分)。他们认为语义信息在预测意外紧急情况方面的作用也很重要，平均为3.9分。同时，急救人员对语义信息的准确率要求相对宽松，平均需要74.6%的准确率才能信任语义输出，67.8%的准确率才能认为语义输出有用，这表明他们愿意使用不完善但信息丰富的AI支持工具。
🎯 应用场景
该研究成果可应用于机器人辅助应急响应系统的设计和开发，例如火灾救援、地震搜救等场景。通过更好地理解急救人员的需求，可以开发出更符合实际应用、更值得信任的机器人系统，从而提高应急响应的效率和安全性。未来，可以进一步研究如何将急救人员的反馈融入到机器人系统的学习和优化过程中，实现人机协同的智能应急响应。
📄 摘要（原文）
This study investigates First Responders' (FRs) attitudes toward the use of semantic information and Situational Awareness (SA) in robotic systems during emergency operations. A structured questionnaire was administered to 22 FRs across eight countries, capturing their demographic profiles, general attitudes toward robots, and experiences with semantics-enhanced SA. Results show that most FRs expressed positive attitudes toward robots, and rated the usefulness of semantic information for building SA at an average of 3.6 out of 5. Semantic information was also valued for its role in predicting unforeseen emergencies (mean 3.9). Participants reported requiring an average of 74.6\% accuracy to trust semantic outputs and 67.8\% for them to be considered useful, revealing a willingness to use imperfect but informative AI support tools. To the best of our knowledge, this study offers novel insights by being one of the first to directly survey FRs on semantic-based SA in a cross-national context. It reveals the types of semantic information most valued in the field, such as object identity, spatial relationships, and risk context-and connects these preferences to the respondents' roles, experience, and education levels. The findings also expose a critical gap between lab-based robotics capabilities and the realities of field deployment, highlighting the need for more meaningful collaboration between FRs and robotics researchers. These insights contribute to the development of more user-aligned and situationally aware robotic systems for emergency response.