Integrating Flow Theory and Adaptive Robot Roles: A Conceptual Model of Dynamic Robot Role Adaptation for the Enhanced Flow Experience in Long-term Multi-person Human-Robot Interactions

Autoren: Huili Chen, Sharifa Alghowinem, Cynthia Breazeal, Hae Won Park · HRI 2024

Lizenzen

Open Access
Paper: CC BY 4.0

Alles Folgende stützt sich auf das vollständige Paper unter seiner Lizenz CC BY 4.0; die Abbildung wird mit Nennung der Autoren gezeigt.

Kurz gesagt

Das Anpassungsziel eines Gruppenroboters wird als Flow-Erleben der Nutzer festgelegt, ein Gleichgewicht von Herausforderung und Fähigkeit, und erreicht, indem die Unterstützungsrolle des Roboters zwischen Führen und Folgen verschoben wird.

Warum es wichtig ist

Soziale Roboter in Wohnungen, Klassenzimmern und Pflegeeinrichtungen interagieren zunehmend über viele Sitzungen hinweg mit kleinen Gruppen, wofür sich eine feste Verhaltens-Policy schwer entwerfen lässt. Das Modell gibt Entwicklern einen strukturierten Weg, zu entscheiden, was ein Gruppenroboter optimieren und welches Verhalten er ändern soll, während die soziale Identität und die Persönlichkeit des Roboters fest bleiben, damit sie die Interaktion nicht verfälschen.

Problem

Arbeiten zur Roboteranpassung zielten meist auf einzelne Nutzer mit einem Ziel, das während der gesamten Interaktion fest bleibt, und passen oft eher die Inhalte als das Verhalten des Roboters selbst an. Die meisten Mehrpersonen-HRI-Studien nutzen Wizard-of-Oz-Teleoperation oder regelbasierte Policies, die sich nicht in Echtzeit anpassen können. Die Autoren finden kein verallgemeinertes Modell für langfristige Anpassung, das sowohl Einzel- als auch Mehrpersoneninteraktion abdeckt.

Lösungsansatz

Das Anpassungsziel des Roboters ist das Flow-Erleben der Nutzer, aufgeteilt in kognitive und affektive Teilziele auf Individual- und Gruppenebene, deren Gewichtung durch Gruppenfaktoren (zum Beispiel Soziodemografie, Einstellungen gegenüber Robotern, Ausgangsverhalten) und Aktivitätsfaktoren (Fortschritt, Ressourcen, Umgebung) bestimmt wird und sich innerhalb von oder zwischen Sitzungen verschieben kann. Der Roboter verfolgt dieses Ziel, indem er sich entlang eines Spektrums von Unterstützungsrollen bewegt, von Folgendem, Lernendem oder Tutee bis zu Coach, Führendem oder Tutor: führender, wenn die Gruppenleistung Vorrang hat, folgender, wenn die zwischenmenschliche Dynamik Vorrang hat.

Wichtigste Erkenntnisse

Flow hat eine kognitive Dimension (Herausforderung der Aktivität gegenüber der Fähigkeit des Nutzers) und eine affektive Dimension (zum Beispiel Rapport), und beide regulieren einander, daher braucht das Ziel eines Roboters beide.
Affekt auf Gruppenebene lässt sich nicht durch Mitteln der affektiven Zustände der Mitglieder gewinnen; Konstrukte wie dyadischer Rapport, interpersonelle Synchronie und Gruppenkohäsion sind nötig.
Eine Policy, die die Gruppenleistung auf Kosten leistungsschwacher Mitglieder oder durch ungleiche Verteilung von Interaktionsressourcen maximiert, wird der Gruppe kaum ein optimales Erlebnis bieten.
Die Häufigkeit von Rollenwechseln muss zum Kontext passen: Ein plötzlicher Wechsel vom Vorführenden zum Hilfesuchenden innerhalb einer Aktivität kann die Gruppe darüber verwirren, was der Roboter weiß.
Nur die Unterstützungsrolle des Roboters sollte sich anpassen; eine Änderung seiner sozialen Rolle, Identität oder Persönlichkeit würde Störvariablen hinzufügen.

Hauptergebnisse

Definiert ein hierarchisches Anpassungsziel mit vier Teilzielen: individuell kognitiv, gruppenbezogen kognitiv, individuell affektiv und gruppenbezogen affektiv, deren Gewichtung kontextabhängig ist und sich innerhalb von oder zwischen Sitzungen ändern kann.
Nennt vier gruppenbezogene Faktoren (d.1 Soziodemografie und Beziehungen, d.2 Wahrnehmung der Aktivität und der Roboter, d.3 Ausgangsverhalten, d.4 Zustand unmittelbar vor einer Sitzung) und drei aktivitätsbezogene Faktoren (a.1 Fortschritt, a.2 Ressourcenbeschränkungen, a.3 Kontext und Umgebung), die diese Gewichtung festlegen.
Ersetzt die Einteilung von Roboterrollen in Gruppen in die drei Kategorien Folgender, Gleichrangiger und Führender aus der Übersicht von Sebo et al. durch ein kontinuierliches Spektrum von Unterstützungsrollen zwischen Führen und Folgen, definiert relativ zu den Rollen der menschlichen Mitglieder.
Formalisiert die dynamische Rollenanpassung des Roboters mit zwei ausgearbeiteten Beispielen: eine folgende Rolle, wenn die zwischenmenschliche Dynamik das Ziel dominiert, eine stärker führende Rolle, wenn die Teamleistung dominiert.
Berichtet keine eigenen quantitativen Ergebnisse; die Autoren geben an, dass das Modell in einer separat veröffentlichten empirischen Studie zum gemeinsamen Geschichtenlesen von Eltern und Kind mit einem Roboter angewendet wurde.

Einschränkungen

Bietet keine sofort nutzbaren Metriken oder Messungen des Flow-Erlebens in der Mehrpersonen-HRI; das Framework in messbare Metriken zu überführen, bleibt künftiger Arbeit überlassen.
Es ist ein konzeptuelles Modell, kein praktisches Entwurfswerkzeug und kein Framework zur Systementwicklung für HRI-Praktiker.
Setzt eine komplexe Erfassung und Wahrnehmung von Gruppendynamik, Emotionen und Leistung voraus, die laut den Autoren mit heutigen autonomen HRI-Systemen technisch schwierig sein kann.
Benötigt weitere empirische Validierung durch Nutzerstudien, Fallstudien und quantitative Analysen.
Die Unterstützungsrolle zwischen Führen und Folgen ist nur eine mögliche Achse der Verhaltensgestaltung; andere Spektren, etwa affektiv-kognitiv oder motivational-informativ, könnten für manche Kontexte besser passen.

Wirkung auf das Fachgebiet

Gewinner des HRI 2024 Best Paper Award (Theory & Methods Track, Vollbeiträge), mit 21 Zitierungen. Es ist eine konzeptuelle Arbeit und veröffentlicht weder Code noch Daten noch Hardware-Entwürfe.

Zusammenfassung

In dieser Arbeit stellen wir ein neuartiges konzeptuelles Modell für die Verhaltensanpassung eines Roboters in seiner langfristigen Interaktion mit Menschen vor, das die dynamische Anpassung der Roboterrolle mit Prinzipien des Flow-Erlebens aus der Psychologie verbindet. Diese Konzeptualisierung führt ein hierarchisches Interaktionsziel ein, das im Flow-Erleben gründet und dem Roboter als übergeordnetes Anpassungsziel dient. Dieses Ziel verknüpft kognitive und affektive Teilziele und bezieht menschliche Faktoren auf Individual- und Gruppenebene ein. Der Ansatz der dynamischen Rollenanpassung ist ein Eckpfeiler unseres Modells und hebt die Fähigkeit des Roboters hervor, seine Unterstützungsrollen fließend anzupassen – vom Führenden zum Folgenden –, mit dem Ziel, ein Gleichgewicht zwischen der Herausforderung der Aktivität und der Fähigkeit des Nutzers zu halten und so optimale Flow-Erlebnisse des Nutzers zu fördern. Darüber hinaus untersucht diese Arbeit umfassend die Grenzen und möglichen Anwendungen unserer vorgeschlagenen Konzeptualisierung. Unser Modell legt einen besonderen Schwerpunkt auf das Mehrpersonen-HRI-Paradigma, eine Dimension der HRI, die sowohl wenig erforscht als auch anspruchsvoll ist. Damit möchten wir die Anwendbarkeit und Relevanz unserer Konzeptualisierung im Bereich der HRI erweitern und zur künftigen Entwicklung adaptiver sozialer Roboter beitragen, die langfristige Interaktionen mit Menschen aufrechterhalten können.

Open Source Robotics