Human Stress Response and Perceived Safety during Encounters with Quadruped Robots
作者: Ryan Gupta, Hyonyoung Shin, Emily Norman, Keri K. Stephens, Nanshu Lu, Luis Sentis
分类: cs.RO, cs.HC
发布日期: 2024-03-25 (更新: 2024-06-06)
备注: 8 pages, 7 figs, 5 tables
💡 一句话要点
通过生理数据分析人类与四足机器人交互中的压力反应
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 人机交互 生理信号 压力反应 四足机器人 感知安全性 多模态传感器 实验研究
📋 核心要点
- 现有的人机交互研究对用户在与机器人交互时的感知安全性关注不足，尤其是生理压力反应的研究较为稀缺。
- 本文通过设计实验，利用生理传感器记录参与者的压力反应，分析不同人机交互条件下的生理数据。
- 实验结果显示，参与者在与机器人交互时的压力显著高于基线，且多机器人交互和导航行为会增加压力水平。
📝 摘要（中文）
尽管移动机器人在家庭和工作环境中的应用日益增多，但用户和旁观者的感知安全性在机器人交互文献中仍然缺乏研究。为此，本文设计了一项研究，旨在识别与人类-机器人交互相关的压力反应元素。研究中，参与者佩戴多模态生理传感器，记录心电图（ECG）和皮肤电活动（EDA），并通过不同的试验条件评估其压力水平。结果表明，参与者在与机器人交互时的压力水平显著高于基线，且在遇到多个机器人时压力更大，导航行为引发的压力高于搜索行为。
🔬 方法详解
问题定义：本文旨在解决人类与四足机器人交互中感知安全性不足的问题，现有研究对生理压力反应的关注较少，缺乏系统性分析。
核心思路：通过记录参与者的心电图和皮肤电活动，分析不同交互条件下的压力变化，以此揭示人机交互中的安全感因素。
技术框架：研究采用Boston Dynamics Spot和Unitree Go1机器人，在共享环境中进行多次交互试验，参与者佩戴生理传感器，记录数据并进行自我评估。
关键创新：本研究首次系统地将生理数据与人机交互中的压力反应相结合，揭示了多机器人和不同导航行为对压力的影响，填补了相关领域的研究空白。
关键设计：实验中使用了多模态传感器记录ECG和EDA数据，参与者在每次交互后进行压力自评，数据分析采用统计方法比较不同条件下的压力水平。
🖼️ 关键图片
📊 实验亮点
实验结果表明，参与者在与机器人交互时的压力水平平均高于基线，且在遇到多个机器人时压力显著增加。此外，导航行为引发的压力水平高于搜索行为，提供了重要的设计指导。
🎯 应用场景
该研究的结果可广泛应用于机器人设计与人机交互系统的优化，尤其是在服务机器人和社交机器人领域。通过理解用户的生理反应，设计更安全、友好的机器人交互体验，提升用户的感知安全性和满意度。
📄 摘要（原文）
Despite the rise of mobile robot deployments in home and work settings, perceived safety of users and bystanders is understudied in the human-robot interaction (HRI) literature. To address this, we present a study designed to identify elements of a human-robot encounter that correlate with observed stress response. Stress is a key component of perceived safety and is strongly associated with human physiological response. In this study a Boston Dynamics Spot and a Unitree Go1 navigate autonomously through a shared environment occupied by human participants wearing multimodal physiological sensors to track their electrocardiography (ECG) and electrodermal activity (EDA). The encounters are varied through several trials and participants self-rate their stress levels after each encounter. The study resulted in a multidimensional dataset archiving various objective and subjective aspects of a human-robot encounter, containing insights for understanding perceived safety in such encounters. To this end, acute stress responses were decoded from the human participants' ECG and EDA and compared across different human-robot encounter conditions. Statistical analysis of data indicate that on average (1) participants feel more stress during encounters compared to baselines, (2) participants feel more stress encountering multiple robots compared to a single robot and (3) participants stress increases during navigation behavior compared with search behavior.