Novelty Effect

Categoría: Control › Human in the loop
Etiquetas: human-robot-interaction, user-studies, long-term-interaction, evaluation, social-robots

El cambio en el comportamiento y las valoraciones de las personas causado por el hecho de que un robot les resulte nuevo, que normalmente se desvanece o se desplaza a medida que el robot se vuelve familiar a lo largo de interacciones repetidas.

Definición

El efecto de novedad (novelty effect) es la influencia que tiene lo nuevo de una tecnología en cómo responden las personas ante ella. Cuando las personas conocen un robot por primera vez, suelen mostrarse más curiosas, más implicadas y más positivas de lo que estarán después, simplemente porque les resulta desconocido. A medida que el robot se vuelve familiar, la frecuencia de interacción, la atención y las valoraciones suelen bajar, y lo que queda refleja la utilidad y el atractivo reales del robot. La novedad también puede actuar en sentido contrario, produciendo una ansiedad o una cautela iniciales que se atenúan con la exposición.

En la interacción humano-robot, el efecto de novedad es una amenaza central para la validez de los estudios cortos. Muchos experimentos consisten en una única sesión de minutos, así que la implicación, la confianza o la preferencia medidas pueden reflejar el primer encuentro y no cómo se usará el robot en el día a día. Los estudios de campo a largo plazo con robots sociales en escuelas, hogares y lugares de trabajo han encontrado repetidamente un uso inicial alto que disminuye en los días o semanas siguientes. Comportamientos que al principio parecen encantadores, como bromas, saludos o charla trivial, pueden volverse repetitivos, mientras que los beneficios prácticos pueden aparecer solo después de que las personas hayan aprendido a usar el robot.

Los investigadores gestionan el efecto de novedad de varias maneras: realizando varias sesiones o implantaciones más largas, añadiendo sesiones de familiarización antes de medir, analizando tendencias a lo largo del tiempo en lugar de instantáneas aisladas, variando el comportamiento del robot para reducir la repetición y comparando con participantes que ya tienen experiencia con robots. Informar de cuánto tiempo y con qué frecuencia interactuaron los participantes con el robot ayuda a los lectores a juzgar en qué medida la novedad puede haber influido en los resultados.

Por qué importa

Los ingenieros y diseñadores a menudo toman decisiones a partir de estudios cortos con usuarios. Si esos resultados están inflados o distorsionados por la novedad, un robot o una función que dio buenos resultados en las pruebas puede decepcionar una vez implantado. Reconocer el efecto de novedad lleva a un mejor diseño de los estudios y a expectativas más realistas para el uso a largo plazo.

Aplicaciones clave

Diseño e interpretación de estudios de HRI con usuarios
Implantaciones a largo plazo de robots sociales y de servicio
Robots educativos en escuelas
Evaluación de funciones de implicación como la charla trivial y la personalidad
Pruebas de producto de robots de consumo y domésticos

En la práctica

Un equipo añade charla trivial a un robot que trabaja junto a personas en una tarea de montaje. En la primera sesión, los participantes valoran al robot hablador mucho mejor que a una versión silenciosa. En lugar de detenerse ahí, el equipo realiza cinco sesiones a lo largo de dos semanas con los mismos participantes. Las valoraciones del robot hablador bajan después de la segunda sesión, y los registros muestran que los participantes responden menos a sus comentarios, mientras que el rendimiento en la tarea no cambia. El equipo mantiene un conjunto reducido de comportamientos variados de charla trivial, introduce temas nuevos con el tiempo e informa de la tendencia completa en lugar de solo del resultado de la primera sesión.

Ideas erróneas comunes

El efecto de novedad siempre hace que los resultados sean más positivos — también puede causar una ansiedad o una cautela iniciales que se desvanecen con el tiempo
Una única sesión larga elimina la novedad — la familiaridad suele construirse a lo largo de encuentros repetidos durante días, no solo dentro de una sesión
Una implicación decreciente significa que el robot ha fracasado — cierto descenso es esperable a medida que pasa la novedad, y el nivel que queda es la medida más útil

Quién debería saberlo

Investigadores en HRI que planifican estudios e implantaciones
Diseñadores de robots sociales, educativos y domésticos
Equipos de producto que interpretan resultados de pruebas con usuarios

Tecnologías relacionadas

Estudios longitudinales (Longitudinal Studies)
Diseño de estudio intrasujetos (Within-Subjects Study Design)
Implantaciones de campo (Field Deployments)
Registro de interacciones (Interaction Logging)

Términos relacionados

Proyectos relacionados

evo: De-facto standard tool for evaluating and plotting odometry/SLAM trajectories
Reachy Mini: Open-source desktop robot from Pollen and Hugging Face with an expressive 6-DoF head
RoboDojo: Manipulation benchmark that runs in Isaac Sim and on real arms
Inspect Robots: Define a robotics benchmark once, run any policy on any robot
SenseNova-RoboRSI: Open runtime that runs, scores and improves robot agents driven by language models
RAI: Vendor-agnostic agent framework for ROS 2 robots and physical AI