One Size Does not Fit All: Personalised Affordance Design for Social Robots

📄 arXiv: 2312.06566v1 📥 PDF

作者: Guanyu Huang, Roger K. Moore

分类: cs.RO, cs.HC

发布日期: 2023-12-11

备注: The proceedings of the CONCATENATE workshop at HRI23, Stockholm, Sweden. 4 pages with 2 figures and 2 tables

💡 一句话要点

针对社交机器人，提出个性化可供性设计以适应不同用户偏好与期望。

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 社交机器人 人机交互 个性化设计 可供性 用户偏好

📋 核心要点

  1. 现有社交机器人研究较少关注如何提升用户对机器人外观、声音和语言行为等可供性的感知。
  2. 该研究探索了用户在不同情境下对社交机器人可供性的偏好变化，并分析了其与用户期望的关系。
  3. 实验结果表明，用户对同一机器人的语言行为感知存在差异，强调个性化设计的重要性。

📝 摘要（中文）

为了在人机交互中获得更佳的效果和接受度，个性化至关重要。许多研究关注于提升社交机器人感知和理解用户的能力，但如何改善用户对社交机器人在口语交互中的感知和理解却鲜有研究。本文旨在探究影响社交机器人可供性（即外观、声音和语言行为）个性化的因素。基于一个正在进行的项目，本文展示了人们在不同情况下改变对社交机器人可供性偏好的多种方式，并检验了这些偏好与用户对机器人能力和热情等特征的期望之间的关系。研究还表明，个体对同一机器人的语言行为存在不同的感知。结果表明，一刀切的个性化方法并不适用，个性化应被视为一种综合方法，包括适当的可供性设计，以适应用户对社交机器人角色的期望。

🔬 方法详解

问题定义：现有社交机器人在人机交互中，通常采用统一的可供性设计（外观、声音、语言行为），忽略了不同用户在不同情境下的个性化需求。这种“一刀切”的方法可能导致用户体验不佳，降低交互效率，甚至产生负面情绪。因此，该论文旨在解决如何为社交机器人设计个性化的可供性，以适应不同用户的偏好和期望的问题。

核心思路：该论文的核心思路是认为个性化可供性设计应以用户为中心，充分考虑用户的个体差异和情境因素。通过实验研究，揭示用户对社交机器人外观、声音和语言行为的偏好与用户对机器人能力和热情等特征的期望之间的关系。从而为设计更符合用户期望的社交机器人提供理论依据。

技术框架：该论文主要采用实验研究的方法，没有提出具体的算法或模型。其研究框架主要包括以下几个阶段： 1. 设计实验场景，包括不同的交互任务和情境。 2. 招募不同背景和特征的参与者。 3. 让参与者与具有不同可供性设计的社交机器人进行交互。 4. 收集参与者对机器人可供性的偏好数据，以及对机器人能力和热情等特征的评价数据。 5. 分析数据，揭示用户偏好与用户期望之间的关系。

关键创新：该论文的创新点在于： 1. 强调了社交机器人可供性个性化设计的重要性，指出“一刀切”的方法的局限性。 2. 通过实验研究，揭示了用户对社交机器人可供性的偏好与用户期望之间的复杂关系。 3. 为社交机器人设计更符合用户期望的可供性提供了理论依据和实践指导。

关键设计：由于该论文主要采用实验研究方法，因此没有涉及具体的参数设置、损失函数、网络结构等技术细节。关键设计在于实验场景的设计，需要充分考虑不同情境因素，以及如何有效地收集用户对机器人可供性的偏好数据和评价数据。此外，还需要设计合适的问卷调查，以了解用户对机器人能力和热情等特征的期望。

📊 实验亮点

该研究通过实验证明，用户对社交机器人的可供性偏好因情境和个体差异而异，表明“一刀切”的个性化方法并不适用。实验结果揭示了用户对机器人外观、声音和语言行为的偏好与用户对机器人能力和热情等特征的期望之间存在显著关系。这些发现强调了在设计社交机器人时，需要综合考虑用户期望和个性化需求，以提升用户体验。

🎯 应用场景

该研究成果可应用于各种需要人机交互的场景，例如：智能家居、医疗辅助、教育辅导、客户服务等。通过为社交机器人设计个性化的可供性，可以提升用户体验，增强用户对机器人的信任感和接受度，从而提高交互效率和效果。未来，该研究可以进一步扩展到其他类型的机器人，并结合机器学习技术，实现可供性的自动个性化设计。

📄 摘要（原文）

Personalisation is essential to achieve more acceptable and effective results in human-robot interaction. Placing users in the central role, many studies have focused on enhancing the abilities of social robots to perceive and understand users. However, little is known about improving user perceptions and interpretation of a social robot in spoken interactions. The work described in the paper aims to find out what affects the personalisation of affordance of a social robot, namely its appearance, voice and language behaviours. The experimental data presented here is based on an ongoing project. It demonstrates the many and varied ways in which people change their preferences for the affordance of a social robot under different circumstances. It also examines the relationship between such preferences and expectations of characteristics of a social robot, like competence and warmth. It also shows that individuals have different perceptions of the language behaviours of the same robot. These results demonstrate that one-sized personalisation does not fit all. Personalisation should be considered a comprehensive approach, including appropriate affordance design, to suit the user expectations of social roles.