FetchHound：从人犬协作到人机协作的物体搜索

基于摘要分析。本文研究机器人与人协作搜索物体时，如何在候选物体和掌握部分目标信息的人类伙伴之间分配注意。核心贡献是从真实人犬协作搜索中提取具有时序结构的行为示范，通过行为克隆训练机器人社会注意策略，而非迁移动物的运动技能。 作者观察到，犬会在协作搜索中协调视线跟随、独立探索和回看伙伴等行为，并提出假设：这种行为协议可作为机器人社会注意策略的结构先验。研究流程包括记录真实人犬协作搜索试验，利用 3D 重建与头部朝向射线投射提取逐帧状态—动作对，再加入经校准的仿真合成试验数据，分别训练 MLP、LSTM 和 Transformer 行为克隆策略。摘要未明确状态与动作的具体定义、数据融合方式或训练损失细节。 作者报告，三类学习策略在仿真及真实评估中均取得非平凡的任务成功，优于一个几何基线，并称结果支持策略利用了人类伙伴的指示性信号。摘要未提供成功率数值、试验规模、划分方式、基线实现或统计不确定性，不能据此比较三类模型的优劣，也不能判断时序结构、真实数据和合成数据各自的贡献。实验协议、消融及统计信息尚未验证。作者将其定位为据其所知首个把动物认知层面的策略而非运动层面的技能迁移到机器人的流程，此优先性主张尚未独立核实。 论文的主要对象是人机协作物体搜索，不是 EEG 解码或 BCI。其机制依赖可重建的行为状态、头部朝向线索及动作示范；材料未提供与神经信号处理的具体对应关系，因此不据此推导 BCI 有效性或提出 EEG 复现实验。复现前需核对采集与标注流程、仿真校准方法、训练与评估分离方式，以及代码和数据的可获得性。