您的位置:首页 >> 新闻中心 >> 机器人新闻

机器人新闻

  • 评估Nao机器人在个人助理中的作用

  •   从制造机器开始,机器人已经向诸如教育、个人助理、健康和许多其他领域应用,多项研究描述了在与社会智者互动的设计中需要考虑的不同因素机器人。“社交智能机器人”的理论]确立了与机器人的交互必须满足四个不同的条件。在社会上的唤起依赖于拟人化和利用唤起的感情。处于社交场所需要能够对其他社交场所做出反应环境中的代理和对象。 善于交际和主动参与的能力人类满足内部的社会目标。 显示社会智能需要显示深入的模型交互过程中人类认知和社交能力的提升。

      人机交互中的一项重要社交因素是分配给机器人的性别。多项研究表明,通过性别传递给机器人的刻板印象在用户交互中起着重要作用,表明性别如何影响用户对机器人性能的态度和与性别成正比的态度执行任务。类似的测试也被应用于针对相同结果的不同机器人模型,并且还证明了参与者与符合定型性别角色的机器人互动时感觉更舒适。根据这种普遍的假设,性别会影响用户与机器人的交互,其他研究方法也开发了该领域的新颖方法,证明了在与不同性别的机器人进行交互时,用户中引出信息的差异或说服力的水平。分配给机器人的有关机器人和用户性别的信息,即使仅更改机器人中语音水平或审美吸引力的孤立变量,也可以感知到机器人性别的影响。

      当前的研究使用以下标准评估了Nao机器人在执行个人助理角色中的有效性:信任,使用意图,感知的享受和社交性。此外,这项工作通过测量感知的享受,使用意图,感知的社交能力,信任,智力,生气勃勃,拟人化,同情,服务价值和主题舒适度,评估了性别对绩效表现的影响。

      2.方法与材料

      2.1 绿野仙踪(WoZ)

      Woz用于特别是正在开发中的技术。在HRI中,WoZ技术涉及在操作机器人的人员的协助下模拟技术运行的最终状态。这种模拟产生了机器人自主工作的错觉。

      2.2 基于视频的人机交互(VHRI)

      VHRI技术是最简单且可负担的技术之一,并且还允许评估可控环境中与先进技术的交互作用。通过记录与机器人进行所需交互的视频来使用该技术。

      2.3 接受和使用技术的统一理论(UTAUT)

      UTAUT是一个理论框架,旨在评估技术的接受程度和使用情况。它整合了其他理论的要素,例如理性行动理论,动机模型,社会认知理论和创新扩散理论等。

      2.4 Godspeed问卷(GSQ)

      GSQ是HRI领域中翻译成多种语言的标准化工具。它得到了多元文化先前研究的支持。通过使用符号学的差异量表,GSQ评估了拟人化,生命力,可喜性和感知智能等构造。

      2.5 机器人为了进行这项研究,我们使用了NAO机器人(见图1)。

      该机器人的主要特征是:身高58厘米,肢体运动自由度为25、4个定向扬声器,对物体的操纵有限,语言交流能力和人形吸引力。

      3.设计

      对于本研究,我们设计了两种不同的方案:

      3.1 第一种情况:性别评估效果

      在第一种情况下,我们应用了视频捕获技术和GSQ,评估了分配给机器人的性别对其作为个人助手的感知性能的影响。对于这种情况,我们创建了两组机器人执行相同活动,对话和动作的视频。唯一的区别是每个视频中机器人的语音音调。在一组视频中,声音模仿了男性的声音,而另一组则表现出女性的声音。参加小组被随机分为两个队列亚组。每个小组使用耳机观看单个性别的视频包(男性或女性)。在这组视频期间,机器人执行了与私人助理的角色有关的相同活动,例如在会议中做笔记或跟踪议程活动。观看视频后,参与者完成了一项调查。在调查中,始终按照所介绍视频的特定性别来处理机器人。

      在第一部分中使用的调查包括GSQ的项目,以及一些与性别效应评估有关的其他项目。被评估的项目包括:生气,拟人化,智能,同情,服务价值,机器人角色和共享信息的类型。

      3.2 第二种情况:互动评估

      在第二种情况下,我们应用了WoZ技术和UTAUT问卷项目。在这种情况下,参与者直接与建筑物接收区域中的机器人互动。在这种情况下,机器人将充当个人助手。该机器人提供了有关大学课程,学习计划和教授办公地点的信息,以及其他管理信息。这项活动的进行与参与者的互动和问题有关。

      在这种情况下,没有评估性别变量,并且机器人呈现出标准的雌雄同体的声音。

      对于该场景,机器人的操作员具有用于最常见问题和答案的脚本。如果参与者还有其他特定问题,我们还包括通过键入唯一句子向机器人输入特定答案的功能。

      互动后,参与者完成了第二次调查,评估了他们对机器人的第二次体验。对于此评估,我们应用了UTAUT问卷的标准,例如使用意图,感知的享受,感知的社交能力和信任度。

      3.3 人口

      两种方案都应用于来自不同组的39名计算机科学学生,分为30名男性和9名女性。平均年龄为21.21岁,SD = 2.32。在总共39位参与者中,有17位参与者收到了Nao作为女性私人助理的视频,而其他22位参与者收到了Nao作为男性私人助理的视频。

      4.结果

      4.1 第一种情况:性别评估效果

      根据应用于该组的多项单向方差分析,在同情性F(1,37)= 6.13,p = 0.018,智力F(1,37)= 4.47,p = 0.036, α= 0.05。在这两个类别中,担任女性角色的机器人在评估中均获得了较高的平均值。

      在动画性F(1,37)= 2.30,p = 0.138和拟人化F(1,37)= 3.33,p = 0.76,alpha = 0.05的知觉上没有发现显着差异。

      关于在同情感知中识别出的显着方差,女性机器人获得了更高的值,达到M = 4.39,SD = 0.65;同时,男性机器人的M = 3.76,SD = 0.87。通过分析同情类别中的项目,与友好,友善和令人愉悦的项目相比,女性机器人得分更高。

      关于感知到的智能,女性机器人在M = 3.98,SD = 0.77之后也达到了更高的值。同时,男性机器人达到M = 3.34,SD = 0.87的值。女机器人在情报类别中大获成功的项目与责任评估和合理性有关。

      在根据机器人性别F(1,37)= 0.33,p = 0.571,alpha = 0.05所提供的服务的价值评估中,没有发现显着差异。女性服务价值感知为M = 623.47,SD = 314.30,而男性服务价值感知为M = 270.45,SD = 294.66(见图2)。

      最后,在参与者感到与机器人共享的性别信息方面,没有发现任何显着差异(见图3)。 但是,参与者感到可以轻松共享的信息存在显着差异;“数据和信息”是参与者愿意与机器人共享的最常见材料。

      通过使用具有5个级别的李克特量表,其中1为最低正值,5为最高正值,3为中性。 当机器人扮演助手的角色时,参与者对机器人的互动给予了积极的评价。 较高的感知能力与在其他活动中使用机器人的意图有关(M = 4.41,SD = 0.72)。 在愉悦感(M = 4.27,SD = 0.72)和社交能力(M = 4.20,SD = 0.65)方面,获得了相似的值。 一个不太令人满意的值与在开发活动期间对机器人的信任感有关(M = 3.86,SD = 0.93)(请参见表1)。

      5.结论

      在WoZ的直接交互过程中评估了机器人作为助手的性能。它具有很高的高性能值。根据测试标准,社交,享受,使用意图和信任度令人满意。可以说,根据UTAUT标准,信任级别一直是较差的类别。

      对机器人或技术缺乏信任是在这种交互中发展的挑战。它还应该考虑将这种技术作为时间变量进行评估。

      关于所评估的性别角色,我们发现在智力和同情感上存在显着差异。代表女性角色的机器人获得了更高的价值。在活动性,萎缩性,服务价值和主题舒适度方面未发现明显差异。

      女机器人的较高智能变异性等级与女助手的责任感和合理性有关。关于同情,女助手被认为更加友善,友好和愉快。

      6.分析

      这项研究评估了Nao机器人在个人助手中的作用。结果与以前的参考文献一致。与其他变量(例如使用意图)相比,信任度的降低与缺乏与机器人共享有意义的信息的意愿相一致。最可取的是只共享与“信息和数据”有关的信息。似乎社交机器人仍在努力争取参与者对功能的信任。尽管他们在任务中的表现令人印象深刻,但仍需要在更深层次上更可靠的依赖。

      关于机器人性别与人类互动的重大影响,这项研究表明,在智慧和同情感方面存在显着差异。需要进一步调查以阐明所选角色的作用,该角色通常分配给女性角色,其心理模型与性别本身有关。根据目前的结果,在女性担任角色的过程中,智力的归属可能与更高责任感和合理性;同时,较高的同情等级可能与对友善,友善和愉快的更高感知有关。

      这与以前的研究一致,后者指出,性能更好的记录分配给了执行与传统角色对齐的任务的机器人。但是,需要更多的研究来说明这是否是造成这种显着差异的唯一因素,或者对女性的总体看法是否更积极。值得一提的是,尽管性别之一在其工作表现上更胜一筹,但并未发现性别之间的重大差距。类似的研究对于确定不同角色和情景下性别观念的差距也可能很重要。

      最后,在生命力和拟人化变量上没有发现显着差异,这可以解释为因为机器人或运动的美学没有改变。当未发现与性别感知相关的显着差异时,两个视频均始终保持测试的可靠性。

      作为当前实验的风险内部评估,重要的是要考虑被调查的人口只有39人。他们大多数是男性,都是计算机科学的学生。要求未来的研究改进在该实验中应用的测试并补充发现的结果。此外,扩大情景的作用范围也可能会提高结果的生态有效性。


客户服务热线

18925062548

在线客服