Novelty Effect
- 類別: Control › Human in the loop
- 標籤: human-robot-interaction, user-studies, long-term-interaction, evaluation, social-robots
因為機器人對人們而言是新的而造成的行為與評分變化；隨著在反覆互動中逐漸熟悉機器人，這種變化通常會減弱或轉變。
定義
新奇效應（novelty effect）是指一項技術的新鮮感對人們如何回應它所產生的影響。人們第一次遇到一台機器人時，往往比之後更好奇、更投入、更正面，只因為它很陌生。隨著機器人變得熟悉，互動頻率、注意力與評分通常會下降，剩下的部分反映的是機器人實際的實用性與吸引力。新奇感也可能往相反的方向作用，造成早期的焦慮或謹慎，並隨著接觸增加而緩解。
在人機互動中，新奇效應是短期研究效度的一大威脅。許多實驗只有一次幾分鐘的工作階段，因此量測到的投入程度、信任或偏好，可能反映的是第一次接觸，而不是機器人日常會如何被使用。在學校、住家與工作場所進行的社交機器人長期實地研究一再發現：早期使用率很高，接著在之後幾天或幾週內下降。一開始看似討喜的行為，例如笑話、打招呼或閒聊，可能會變得重複，而實際的好處可能要等人們學會如何使用機器人之後才會顯現。
研究人員以幾種方式處理新奇效應：進行多次工作階段或更長期的部署，在量測前加入熟悉階段，分析隨時間變化的趨勢而不是單一時間點的快照，變化機器人的行為以減少重複，以及與已經有機器人使用經驗的參與者比較。報告參與者與機器人互動的時間長度與頻率，有助於讀者判斷新奇感可能在多大程度上影響了結果。
為何重要
工程師與設計師常根據短期使用者研究做決定。如果這些結果被新奇感誇大或扭曲，一台在測試中表現良好的機器人或一項功能，部署之後可能會令人失望。認識新奇效應，能帶來更好的研究設計，並對長期使用抱持更實際的期望。
主要應用
- 設計與解讀 HRI 使用者研究
- 社交與服務機器人的長期部署
- 學校中的教育機器人
- 評估閒聊與個性等吸引投入的功能
- 消費性與居家機器人的產品測試
實際應用
一個團隊為一台與人一起進行組裝任務的機器人加入閒聊功能。在第一次工作階段中，參與者給愛聊天的機器人的評分遠高於沉默版本。團隊沒有就此打住，而是與同一批參與者在兩週內進行了五次工作階段。愛聊天的機器人的評分在第二次工作階段後下降，紀錄顯示參與者對它的話回應得越來越少，而任務表現沒有改變。團隊保留了一組精簡且多樣的閒聊行為，隨著時間引入新話題，並報告完整的趨勢，而不只是第一次工作階段的結果。
常見誤解
- 新奇效應總是讓結果更正面 — 它也可能造成起初的焦慮或謹慎，並隨時間消退
- 一次長時間的工作階段就能消除新奇感 — 熟悉感通常是在跨越數天的反覆接觸中建立，而不只是在一次工作階段之內
- 投入程度下降代表機器人失敗了 — 隨著新奇感消退，某種程度的下降是預料中的事，剩下的程度才是更有用的衡量指標
誰需要了解
- 規劃研究與部署的 HRI 研究人員
- 社交、教育與居家機器人的設計師
- 解讀使用者測試結果的產品團隊
相關技術
- 縱貫研究（Longitudinal Studies）
- 受試者內研究設計（Within-Subjects Study Design）
- 實地部署（Field Deployments）
- 互動紀錄（Interaction Logging）
相關術語
- Godspeed Questionnaire
- Perceived Safety
- Research Through Design
- Humanoid Robot
- End-User Robot Programming
相關專案
- 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