[论文解读] The Effect of Anthropomorphism on Trust in an Industrial Human-Robot Interaction

Tim Schreiter, Lucas Morillo-Mendez+4 more|arXiv (Cornell University)|Aug 31, 2022

Human-Automation Interaction and Safety被引用 5

一句话总结

本研究调查了在工业自主引导车辆（AGV）上增加一个拟人化机器人模拟驾驶员（ARMoD）是否能提升人机交互中的人类信任感。通过33名参与者参与的狭窄走廊会面场景实验，基于NAO机器人并具备视线追踪功能的ARMoD显著提高了报告的信任度，相较于仅使用AGV的情况，证明了即使在基础导航交互中，拟人化特征也能增强信任感。

ABSTRACT

Robots are increasingly deployed in spaces shared with humans, including home settings and industrial environments. In these environments, the interaction between humans and robots (HRI) is crucial for safety, legibility, and efficiency. A key factor in HRI is trust, which modulates the acceptance of the system. Anthropomorphism has been shown to modulate trust development in a robot, but robots in industrial environments are not usually anthropomorphic. We designed a simple interaction in an industrial environment in which an anthropomorphic mock driver (ARMoD) robot simulates to drive an autonomous guided vehicle (AGV). The task consisted of a human crossing paths with the AGV, with or without the ARMoD mounted on the top, in a narrow corridor. The human and the system needed to negotiate trajectories when crossing paths, meaning that the human had to attend to the trajectory of the robot to avoid a collision with it. There was a significant increment in the reported trust scores in the condition where the ARMoD was present, showing that the presence of an anthropomorphic robot is enough to modulate the trust, even in limited interactions as the one we present here.

研究动机与目标

• 研究拟人化如何影响工业人机交互（HRI）中的信任感，特别是在非协作性、以导航为重点的情境中。
• 通过在AGV上引入类人人形模拟驾驶员（ARMoD），应对非拟人化工业机器人信任度低的挑战。
• 评估简单社交线索（如视线与头部追踪）是否能在不涉及复杂操作或触觉交互的情况下提升感知信任度。
• 检验假设：即使机器人未执行复杂任务，其拟人化特征也能提升工业环境中的信任感。
• 提供一种低成本、可扩展的设计替代方案，避免为提升人类接受度而全面重新设计工业机器人。

提出的方法

• 部署了一辆改装后的AGV（Lincoln CitiTruck），加装SICK S300扫描仪以实现安全防护与定位功能。
• 将NAO机器人安装在AGV顶部作为ARMoD，采用定制座椅确保稳定且可重复的安装位置。
• 编程NAO机器人实现视线追踪功能：在走廊会面过程中，机器人会注视并跟随参与者的头部移动。
• 开展一项被试内实验，33名参与者分别在两种条件下与AGV互动：有ARMoD和无ARMoD。
• 采用经验证的Charalambous等人针对工业协作场景设计的信任量表，测量报告的信任水平。
• 控制环境变量，并确保在狭窄走廊环境中互动动态的一致性。

实验结果

研究问题

• RQ1 AGV上配备拟人化模拟驾驶员（ARMoD）是否能提升用户在工业人机交互中的报告信任度？
• RQ2 与非拟人化AGV相比，ARMoD通过视线实现的社交行为在多大程度上影响信任感？
• RQ3 在非人形工业机器人上增加一个简单、低成本的拟人化组件，是否能提升其在基础导航场景中的信任感？
• RQ4 即使缺乏如物品递送或操作等复杂任务，拟人化是否仍对信任感产生可测量的影响？
• RQ5 与以往通过地面投影等意图传达方法相比，基于ARMoD的交互在鲁棒性与用户感知方面表现如何？

主要发现

• 与未配备ARMoD的AGV相比，ARMoD的存在显著提升了参与者对AGV的报告信任度。
• 当ARMoD存在时，参与者报告的信任水平更高，表明即使在互动程度最低的情境中，拟人化也能积极影响信任感。
• ARMoD的视线追踪行为——即注视并跟随参与者——是提升感知社交参与度与信任感的关键因素。
• 研究发现，即使缺乏触觉或协作任务，机器人的外观与社交线索仍能调节信任感。
• 研究结果与以往认为在工业环境中拟人化不会提升信任的研究相悖，表明交互复杂性或测量方法的差异可能是造成结果差异的原因。
• ARMoD方法提供了一种与光照无关、二维的替代方案，相较于空间增强现实（SAR）等地面投影系统，提升了在复杂环境中的鲁棒性。