[论文解读] Towards engagement models that consider individual factors in HRI: on the relation of extroversion and negative attitude towards robots to gaze and speech during a human-robot assembly task

Serena Ivaldi, Sébastien Lefort+4 more|arXiv (Cornell University)|Aug 19, 2015

Social Robot Interaction and HRI参考文献 49被引用 6

一句话总结

本研究探讨了个体因素——外向性格与对机器人负面态度——如何影响在物理装配任务中人机协作时的注视与言语动态。通过使用iCub机器人和56名参与者，研究发现外向者与机器人交谈更多、时间更长，而对机器人持负面态度者则较少注视机器人的面部，更多注视其双手，凸显了在人机交互（HRI）中个性化参与模型的必要性，以考虑人格特质与态度因素。

ABSTRACT

Estimating the engagement is critical for human - robot interaction. Engagement measures typically rely on the dynamics of the social signals exchanged by the partners, especially speech and gaze. However, the dynamics of these signals is likely to be influenced by individual and social factors, such as personality traits, as it is well documented that they critically influence how two humans interact with each other. Here, we assess the influence of two factors, namely extroversion and negative attitude toward robots, on speech and gaze during a cooperative task, where a human must physically manipulate a robot to assemble an object. We evaluate if the scores of extroversion and negative attitude towards robots co-variate with the duration and frequency of gaze and speech cues. The experiments were carried out with the humanoid robot iCub and N=56 adult participants. We found that the more people are extrovert, the more and longer they tend to talk with the robot; and the more people have a negative attitude towards robots, the less they will look at the robot face and the more they will look at the robot hands where the assembly and the contacts occur. Our results confirm and provide evidence that the engagement models classically used in human-robot interaction should take into account attitudes and personality traits.

研究动机与目标

• 探究外向性格与对机器人负面态度等个体因素如何影响人机交互中的社会信号动态。
• 评估人格特质与态度是否与在与人形机器人合作的物理任务中注视与言语行为的共变关系。
• 评估这些个体因素对基于言语与注视动态的参与度指标的影响。
• 为考虑个体差异的自适应参与模型在HRI中的发展提供依据。
• 提供实证证据，表明若不考虑个体特质，标准参与模型可能错误分类交互质量。

提出的方法

• 使用iCub人形机器人开展人机协作装配任务，参与对象为56名成年参与者。
• 采用“巫师之奥”（WoZ）设置，由人工操作员实时远程控制机器人的注视、言语与面部表情。
• 同步采集交互过程中的音频与视频记录，以分析言语与注视行为。
• 通过标准化人格问卷测量外向性格，通过经验证的态度量表测量对机器人的负面态度。
• 通过追踪注视在机器人面部与手部的持续时间与频率量化注视行为，通过话语频率与持续时间量化言语行为。
• 使用统计分析评估个体因素（外向性格、负面态度）与社会信号动态之间的共变关系。

实验结果

研究问题

• RQ1 外向性格在人机装配任务中与言语持续时间与频率、注视行为之间存在何种相关性？
• RQ2 对机器人持负面态度如何影响注视在机器人面部与手部之间的分配？
• RQ3 人格特质与态度在多大程度上影响人机交互中社会信号的动态？
• RQ4 外向性格与机器人态度的个体差异是否能够预测言语与注视等参与相关行为的变化？
• RQ5 当忽略个体差异时，基于注视与言语的标准参与度指标是否无法准确捕捉真实参与度？

主要发现

• 外向参与者与机器人的言语互动时间显著更长、频率更高，相较于内向者。
• 外向性格得分较高的个体通过言语交流表现出更强的参与度，表明其更倾向于主动发起并维持对话。
• 对机器人持负面态度的个体显著减少了注视机器人面部的时间，暗示社会注意力减少或感到不适。
• 对机器人持负面态度的个体更多将注视集中在机器人的手上，可能因关注物理交互点或避免面部接触。
• 本研究证实，人格与态度等个体因素显著塑造HRI中社会信号的动态，挑战了标准参与模型的普适性。
• 这些发现表明，HRI中的参与模型必须整合个体差异，以避免用户状态的误判，并提升交互质量。