机器人在自由场景中识别人类注意(视线)目标，使用机器人眼(摄像头)实现三维空间中的视线跟踪与注视物体判断。检测模型采用Swin Transformer的基本架构，将实验室前期研究中的头部姿态检测(ICAA 2019，最佳论文)与面部空间权重、眼部个体化信息相结合，大幅提高了视线识别的精确度(SMC2023)。