[论文解读] I Can See it in Your Eyes: Gaze towards a Robot as an Implicit Cue of Uncanniness and Task Performance in Long-term Interactions.

Giulia Perugia, Maike Paetzel+2 more|arXiv (Cornell University)|Jan 1, 2021

Social Robot Interaction and HRI被引用 1

一句话总结

本研究探讨了在长期人机交互中，凝视行为如何作为感知诡异感和任务表现的隐性指标。通过在三个间隔进行的会话中使用可穿戴眼动追踪设备，研究发现：在社交对话中出现的凝视回避表明机器人具有诡异感，而在协作任务中凝视机器人频率的增加则与较差的任务表现相关——这表明，共享注意力的凝视行为，而非相互凝视，最能预测任务参与度。

ABSTRACT

Over the past years, extensive research has been dedicated to developing robust platforms and data-driven dialog models to support long-term human-robot interactions. However, little is known about how people's perception of robots and engagement with them develop over time and how these can be accurately assessed through implicit and continuous measurement techniques. In this paper, we explore this by involving participants in three interaction sessions with multiple days of zero exposure in between. Each session consists of a joint task with a robot as well as two short social chats with it before and after the task. We measure participants' gaze patterns with a wearable eye-tracker and gauge their perception of the robot and engagement with it and the joint task using questionnaires. Results disclose that aversion of gaze in a social chat is an indicator of a robot's uncanniness and that the more people gaze at the robot in a joint task, the worse they perform. In contrast with most HRI literature, our results show that gaze towards an object of shared attention, rather than gaze towards a robotic partner, is the most meaningful predictor of engagement in a joint task. Furthermore, the analyses of gaze patterns in repeated interactions disclose that people's mutual gaze in a social chat develops congruently with their perceptions of the robot over time. These are key findings for the HRI community as they entail that gaze behavior can be used as an implicit measure of people's perception of robots in a social chat and of their engagement and task performance in a joint task.

研究动机与目标

• 理解人们在重复、间隔交互过程中对机器人的感知及其参与度如何演变。
• 探索使用眼动追踪作为感知与参与度的代理指标，实现对人机交互的隐性、连续测量。
• 识别在长期人机交互环境中可预测机器人诡异感与任务表现的凝视模式。
• 考察社交对话中相互凝视的发展情况，及其与机器人感知随时间演变的一致性。

提出的方法

• 参与者在无接触间隔数天的三轮交互会话中与机器人互动，以模拟长期交互。
• 每轮会话均包含一项协作任务及两次社交对话（任务前后），支持纵向分析。
• 可穿戴眼动追踪设备记录了所有会话期间的凝视模式，捕捉对机器人及协作任务对象的凝视。
• 通过每轮会话后发放的问卷评估感知与参与度。
• 对凝视数据进行分析，识别相互凝视、凝视回避以及对共享注意力对象的凝视等模式。
• 通过统计建模将凝视行为与问卷结果关联，以识别具有预测性的凝视模式。

实验结果

研究问题

• RQ1 在社交对话中，凝视行为如何随时间与机器人诡异感的感知相关联？
• RQ2 在协作任务中，对机器人的凝视程度在多大程度上可预测任务表现？
• RQ3 在协作任务中，哪种凝视模式——相互凝视还是共享注意力凝视——最能作为参与度的强预测因子？
• RQ4 在重复会话中，社交互动中的相互凝视模式如何与参与者对机器人的感知演变保持同步？

主要发现

• 在社交对话中出现的凝视回避是感知机器人诡异感的重要指标，表明社交互动中存在不适或不安。
• 在协作任务中对机器人凝视频率的增加与较差的任务表现相关，表明可能存在分心或认知超载。
• 对共享注意力对象的凝视，而非对机器人本身的凝视，是预测协作任务中参与度的最具意义的指标。
• 在社交对话中，相互凝视的发展模式与参与者对机器人感知的演变保持一致。
• 纵向凝视模式显示，社交凝视行为与对机器人的感知共同演变，支持凝视作为有效隐性测量指标。
• 研究结果挑战了人机交互领域常见的假设，表明与共享注意力凝视相比，相互凝视对任务参与度的预测能力更弱。