Novelty Effect

Catégorie: Control › Human in the loop
Mots-clés: human-robot-interaction, user-studies, long-term-interaction, evaluation, social-robots

Le changement de comportement et d'évaluations provoqué par le fait qu'un robot est nouveau pour les personnes, qui s'estompe ou se modifie généralement à mesure que le robot devient familier au fil d'interactions répétées.

Définition

L'effet de nouveauté (novelty effect) est l'influence qu'exerce la nouveauté d'une technologie sur la façon dont les personnes y réagissent. Lorsque des personnes rencontrent un robot pour la première fois, elles sont souvent plus curieuses, plus engagées et plus positives qu'elles ne le seront plus tard, simplement parce qu'il ne leur est pas familier. À mesure que le robot devient familier, la fréquence des interactions, l'attention et les évaluations baissent souvent, et ce qui reste reflète l'utilité et l'attrait réels du robot. La nouveauté peut aussi jouer dans l'autre sens, en produisant une anxiété ou une prudence initiale qui s'atténue avec l'exposition.

En interaction humain-robot, l'effet de nouveauté est une menace centrale pour la validité des études courtes. De nombreuses expériences se limitent à une seule séance de quelques minutes, si bien que l'engagement, la confiance ou la préférence mesurés peuvent refléter la première rencontre plutôt que l'usage quotidien du robot. Des études de terrain de longue durée avec des robots sociaux dans des écoles, des foyers et des lieux de travail ont constaté à plusieurs reprises une utilisation élevée au début, qui décline au cours des jours ou des semaines suivants. Des comportements qui paraissent charmants au départ, comme les plaisanteries, les salutations ou les bavardages, peuvent devenir répétitifs, tandis que les bénéfices pratiques peuvent n'apparaître qu'une fois que les personnes ont appris à se servir du robot.

Les chercheurs gèrent l'effet de nouveauté de plusieurs façons : mener plusieurs séances ou des déploiements plus longs, ajouter des séances de familiarisation avant la mesure, analyser les tendances dans le temps plutôt que des instantanés isolés, varier le comportement du robot pour réduire la répétition, et comparer avec des participants qui ont déjà l'expérience des robots. Indiquer pendant combien de temps et à quelle fréquence les participants ont interagi avec le robot aide les lecteurs à juger dans quelle mesure la nouveauté a pu façonner les résultats.

Pourquoi c'est important

Les ingénieurs et les designers prennent souvent des décisions à partir d'études utilisateurs courtes. Si ces résultats sont gonflés ou faussés par la nouveauté, un robot ou une fonctionnalité qui a bien réussi les tests peut décevoir une fois déployé. Reconnaître l'effet de nouveauté conduit à une meilleure conception des études et à des attentes plus réalistes pour l'usage à long terme.

Applications principales

Conception et interprétation d'études utilisateurs en HRI
Déploiements de longue durée de robots sociaux et de service
Robots éducatifs dans les écoles
Évaluation de fonctionnalités d'engagement comme le bavardage et la personnalité
Tests produits de robots grand public et domestiques

En pratique

Une équipe ajoute du bavardage à un robot qui travaille aux côtés de personnes sur une tâche d'assemblage. Lors de la première séance, les participants notent le robot bavard bien plus haut qu'une version silencieuse. Au lieu de s'arrêter là, l'équipe mène cinq séances sur deux semaines avec les mêmes participants. Les notes du robot bavard baissent après la deuxième séance, et les journaux montrent que les participants répondent moins à ses remarques, tandis que la performance sur la tâche ne change pas. L'équipe conserve un ensemble réduit de comportements de bavardage variés, introduit de nouveaux sujets au fil du temps et rapporte l'ensemble de la tendance plutôt que le seul résultat de la première séance.

Idées reçues

L'effet de nouveauté rend toujours les résultats plus positifs — il peut aussi provoquer une anxiété ou une prudence initiale qui s'estompe avec le temps
Une seule longue séance élimine la nouveauté — la familiarité se construit généralement au fil de rencontres répétées sur plusieurs jours, pas seulement au sein d'une séance
Un engagement en baisse signifie que le robot a échoué — une certaine baisse est attendue à mesure que la nouveauté s'estompe, et le niveau qui subsiste est la mesure la plus utile

Qui devrait le savoir

Chercheurs en HRI planifiant des études et des déploiements
Concepteurs de robots sociaux, éducatifs et domestiques
Équipes produit interprétant les résultats de tests utilisateurs

Technologies associées

Études longitudinales (Longitudinal Studies)
Plan d'étude intra-sujets (Within-Subjects Study Design)
Déploiements sur le terrain (Field Deployments)
Journalisation des interactions (Interaction Logging)

Termes associés

Projets associés

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