HRI 研究涉及广泛的领域，其中一些与 HRI 的性质有关。

感知人类的方法

在环境中感知人类的方法是基于传感器信息的。微软领导的传感组件和软件研究为提取人体运动学提供了有用的结果（参见Kinect）。旧技术的一个例子是使用颜色信息，例如对于浅肤色的人来说，手比穿的衣服要轻。在任何情况下，人类先验模型都可以拟合到传感器数据中。机器人构建或拥有（取决于机器人拥有的自主程度）其周围环境的 3D 映射，并为其分配了人类的位置。

大多数方法旨在通过环境视觉来构建 3D 模型。本体感觉传感器允许机器人获得关于其自身状态的信息。此信息与参考相关。

语音识别系统用于解释人类的欲望或命令。通过结合本体感觉、传感器和语音推断出的信息来判断人的位置和状态（站立、坐姿）。在这个问题上，自然语言处理涉及计算机与人类（自然）语言之间的交互，特别是如何对计算机进行编程以处理和分析大量自然语言数据。例如，可应用于各种自然语言处理任务的神经网络架构和学习算法，包括词性标注、分块、命名实体识别和语义角色标注。[12]

运动规划方法

动态环境中的运动规划是目前只有 3 到 10 个自由度的机器人才能实现的挑战 。具有高达 40 自由度的人形机器人甚至 2 个武装机器人不适合采用当今技术的动态环境。然而，低维机器人可以使用势场法来计算避免与人类碰撞的轨迹。

人机协作方法

人机交互领域的大量工作着眼于人类和机器人如何更好地协作。合作时人类的主要社会线索是对活动的共同感知，为此，研究人员通过各种方法研究了预期机器人控制，包括：使用眼动追踪监测人类伙伴的行为、推断人类任务意图和主动行动在机器人方面。[22]研究表明，与单独的反应控制相比，预期控制帮助用户更快地执行任务。

将社交线索编程到机器人中的一种常见方法是首先研究人类与人类的行为，然后转移学习。[23]例如，人机协作中的协调机制[24]基于神经科学[25]的工作它研究了如何通过在社会背景下而不是孤立地研究感知和行动来实现人与人配置中的联合行动。这些研究表明，保持任务的共享表示对于完成小组任务至关重要。例如，作者通过分离加速和制动的职责来研究一起驾驶的任务，即一个人负责加速，另一个人负责刹车；研究表明，只有当他们收到关于彼此行动时间的反馈时，他们才能达到与个人相同的表现水平。同样，研究人员研究了人-人交接与家庭场景（例如传递餐盘）的方面，以便在人-机器人交接中实现对相同的自适应控制。[26]仓库和超市中人与人交接的人为因素和人体工程学领域的另一项研究表明，给予者和接收者对交接任务的感知不同，这对设计以用户为中心的人机协作系统具有重要意义。[27]最近，研究人员研究了一种系统，该系统可以在同一地点的工人之间自动分配装配任务以改善协调。[28]

人机交互 (HRI) 是一个致力于理解、设计和评估供人类使用或与人类一起使用的机器人系统的研究领域。根据定义，交互需要机器人和人类之间的交流。人与机器人之间的交流可能有多种形式，但这些形式在很大程度上受到人和机器人是否彼此靠近的影响。因此，沟通和互动可以分为两大类：

远程交互——人和机器人不在同一地点，在空间甚至时间上是分开的（例如，火星探测器在空间和时间上都与地球分开）。
近距离交互——人类和机器人位于同一地点（例如，服务机器人可能与人类在同一个房间）。
在这些一般类别中，区分需要移动性、物理操作或社交交互的应用程序是有用的。与移动机器人的远程交互通常被称为远程操作或监督控制，而与物理机械手的远程交互通常被称为远程操作。与移动机器人的近距离交互可以采取机器人助手的形式，并且近距离交互可以包括物理交互。社会互动包括互动的社会、情感和认知方面。在社交互动中，人类和机器人作为同伴或同伴进行互动。重要的是，与机器人的社交互动似乎是近距离而不是遥远。由于社交互动的工作量很大，我们只提供一个简短的调查；