First Responders' Perceptions of Semantic Information for Situational Awareness in Robot-Assisted Emergency Response

📄 arXiv: 2510.16692v2 📥 PDF

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

  1. 现有机器人辅助应急响应系统在情境感知方面存在不足，难以满足急救人员对语义信息的实际需求。
  2. 通过问卷调查收集急救人员对语义信息在情境感知中作用的看法，分析其对机器人系统的信任度和期望。
  3. 研究揭示了急救人员对不同类型语义信息的需求差异，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。一项结构化问卷调查了来自八个国家的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，并认为语义信息对于构建情境感知的作用平均为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、空间关系和风险背景，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，突出了急救人员和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且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为急救人员提供决策支持。急救人员在实际应用中对机器人系统的信任度较低，对语义信息的准确性和可靠性有较高要求。现有研究较少关注急救人员的实际需求和偏好，导致机器人系统的设计与实际应用脱节。

核心思路：本研究的核心思路是通过直接调查急救人员，了解他们对语义信息在情境感知中的作用的看法和期望。通过分析调查结果，揭示急救人员对不同类型语义信息的需求差异，以及影响他们对机器人系统信任度的关键因素。基于这些发现，可以为开发更符合用户需求且具有情境感知的机器人系统提供指导。

技术框架：本研究采用问卷调查的方法，收集急救人员的人口统计资料、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。问卷内容包括对不同类型语义信息（如对象身份、空间关系、风险背景等）的有用性评分，以及对机器人系统准确性和可靠性的期望。调查对象来自八个国家的22名急救人员。

关键创新：本研究的创新之处在于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。通过分析调查结果，揭示了急救人员对不同类型语义信息的需求差异，以及影响他们对机器人系统信任度的关键因素。这些发现为开发更符合用户需求且具有情境感知的机器人系统提供了新的见解。

关键设计：问卷设计中，采用了李克特量表对语义信息的有用性进行评分（1-5分），并设置了开放式问题，收集急救人员对机器人系统的具体建议和期望。统计分析中，采用了描述性统计和相关性分析，分析了不同人口统计学特征的急救人员对语义信息的需求差异。

📊 实验亮点

研究表明，急救人员对语义信息在构建情境感知中的作用评价较高（平均3.6/5），尤其重视语义信息在预测意外紧急情况方面的作用（平均3.9/5）。急救人员对语义输出的准确率要求较高，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。研究揭示了急救人员对不同类型语义信息的需求差异，例如对象身份、空间关系和风险背景。

🎯 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与开发，提升机器人在火灾、地震等灾害现场的情境感知能力，为急救人员提供更有效的决策支持。通过了解急救人员的实际需求和偏好，可以开发出更易于使用、更值得信赖的机器人系统，从而提高应急响应效率，减少人员伤亡。

📄 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.