Oh F**k! How Do People Feel about Robots that Leverage Profanity?
作者: Madison R. Shippy, Brian J. Zhang, Naomi T. Fitter
分类: cs.RO
发布日期: 2025-05-09
备注: Under review for the 2025 IEEE RO-MAN Conference
💡 一句话要点
探讨机器人使用脏话以改善人类社交感知
🎯 匹配领域: 支柱六：视频提取与匹配 (Video Extraction)
关键词: 人机交互 社交机器人 脏话使用 用户体验 机器人设计
📋 核心要点
- 现有机器人在社交互动中通常过于礼貌，缺乏人性化的表达，导致用户体验不佳。
- 论文提出在机器人错误场景中使用脏话作为一种打破常规的设计策略，以改善人类的社交感知。
- 研究结果表明，用户对机器人的脏话反应积极，非脏话与脏话的错误确认几乎没有显著差异，挑战了传统设计思维。
📝 摘要（中文）
脏话几乎与语言本身一样古老，且在过去一个世纪变得尤为普遍。尽管以往研究表明机器人打破社会规范可能带来潜在好处，但在个人和服务应用中，机器人通常过于礼貌。因此，本文探讨在错误场景中使用脏话的机器人如何改善人类用户的社交感知。研究通过三阶段探索性工作进行，包括在线视频研究和校园空间的现场验证，结果显示在错误确认中，非脏话与脏话的反应之间几乎没有显著差异，表明许多用户可能对机器人的脏话表示宽容，甚至觉得更具亲和力和幽默感。这项研究为机器人角色设计开辟了一个有前景且顽皮的设计空间。
🔬 方法详解
问题定义：本文旨在解决机器人在社交互动中因过于礼貌而导致的用户体验不足的问题。现有方法未能有效利用语言的多样性，尤其是在错误场景中。
核心思路：论文的核心思路是探讨在机器人错误反应中使用脏话，认为这可能使机器人更具人性化，进而改善用户的社交感知。这样的设计旨在挑战传统的机器人礼貌规范。
技术框架：研究分为三个阶段：第一阶段是针对学生群体的在线视频研究，第二阶段是针对美国普通人群的在线视频研究，第三阶段是在校园空间进行的现场验证。每个阶段包含无语音、非脏话错误反应和脏话错误反应三种条件。
关键创新：最重要的创新点在于通过使用脏话来打破机器人与用户之间的社交界限，挑战了传统的机器人设计理念，提出了一个新的设计空间。
关键设计：研究中对错误确认的语言反应进行了不同条件的设置，重点考察了脏话与非脏话的效果，结果显示两者之间的显著性差异较小，表明用户对脏话的接受度较高。
📊 实验亮点
实验结果显示，在错误确认中，脏话与非脏话的反应几乎没有显著差异，表明用户对机器人的脏话反应积极。具体而言，尽管以往研究预期脏话会引起负面反应，但本研究发现许多用户反而觉得这种表达更具亲和力和幽默感，挑战了传统的机器人设计思维。
🎯 应用场景
该研究的潜在应用领域包括服务机器人、社交机器人以及人机交互系统。通过引入更具人性化的语言表达，机器人能够更好地与用户建立情感联系，提升用户体验。未来，这种设计思路可能会影响机器人在各种社交场景中的应用，推动人机交互的进一步发展。
📄 摘要（原文）
Profanity is nearly as old as language itself, and cursing has become particularly ubiquitous within the last century. At the same time, robots in personal and service applications are often overly polite, even though past work demonstrates the potential benefits of robot norm-breaking. Thus, we became curious about robots using curse words in error scenarios as a means for improving social perceptions by human users. We investigated this idea using three phases of exploratory work: an online video-based study (N = 76) with a student pool, an online video-based study (N = 98) in the general U.S. population, and an in-person proof-of-concept deployment (N = 52) in a campus space, each of which included the following conditions: no-speech, non-expletive error response, and expletive error response. A surprising result in the outcomes for all three studies was that although verbal acknowledgment of an error was typically beneficial (as expected based on prior work), few significant differences appeared between the non-expletive and expletive error acknowledgment conditions (counter to our expectations). Within the cultural context of our work, the U.S., it seems that many users would likely not mind if robots curse, and may even find it relatable and humorous. This work signals a promising and mischievous design space that challenges typical robot character design.