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
作者: Huili Chen, Sharifa Alghowinem, Cynthia Breazeal, Hae Won Park · HRI 2024
授權條款
- 開放取用
- 論文: CC BY 4.0
以下內容皆依據論文全文，依其 CC BY 4.0 授權條款使用；圖表已標示作者。
一句話摘要
將群體機器人的調適目標設定為使用者的心流體驗，也就是挑戰與技能之間的平衡，並透過讓機器人的支援角色在領導者與跟隨者之間轉換來達成。
為何重要
在家庭、教室與照護場域中的社交機器人，愈來愈常在多次互動時段中與小群體互動，而在這種情況下很難設計固定的行為策略。此模型為設計者提供一種結構化的方式，用來決定群體機器人應最佳化什麼、改變哪種行為，同時維持機器人的社會身分與個性不變，以免它們干擾互動。
問題
機器人調適方面的研究大多針對單一使用者，採用在整個互動中維持不變的單一目標，且常常調適的是內容，而非機器人本身的行為。多數多人 HRI 研究使用綠野仙蹤（Wizard-of-Oz）式的遠端操作或以規則為基礎的策略，無法即時調適。作者找不到一個同時涵蓋單人與多人互動的長期調適通用模型。
提出的方法
機器人的調適目標是使用者的心流體驗，在個人與群體層級上分為認知與情感子目標，其權重由群體因素（例如社會人口特徵、對機器人的態度、基線行為）與活動因素（進度、資源、環境）決定，並可在互動時段內或時段之間改變。機器人透過沿著一條支援角色光譜移動來追求此目標，這條光譜從跟隨者、學習者或受教者延伸到教練、領導者或導師：當群體表現是優先考量時更像領導者，當人際動態是優先考量時更像跟隨者。
關鍵見解
- 心流有認知面向（活動挑戰相對於使用者技能）與情感面向（例如融洽關係），兩者會相互調節，因此機器人的目標需要兩者兼具。
- 群體層級的情感無法藉由平均成員的情感狀態取得；需要兩人融洽關係、人際同步與群體凝聚力等構念。
- 以犧牲表現較差者或不平均分配互動資源為代價來最大化群體表現的策略，不太可能給群體帶來最佳體驗。
- 角色轉換的頻率必須適合情境：在同一項活動中從示範者突然轉為求助者，可能會讓群體對機器人知道什麼感到困惑。
- 只應調適機器人的支援角色；改變其社會角色、身分或個性會引入干擾變項。
主要結果
- 定義一個階層式調適目標，包含四個子目標：個人認知、群體認知、個人情感與群體情感，其權重取決於情境，並可能在互動時段內或時段之間改變。
- 列出決定該權重的四個群體相關因素（d.1 社會人口特徵與關係、d.2 對活動與機器人的看法、d.3 基線行為、d.4 互動時段開始前的狀態）與三個活動相關因素（a.1 進度、a.2 資源限制、a.3 情境與環境）。
- 以一條連續的領導者到跟隨者支援角色光譜，取代 Sebo 等人綜述中將群體中機器人角色分為跟隨者、同儕與領導者的三類分類，此光譜是相對於人類成員的角色來定義。
- 以兩個實例將動態機器人角色調適形式化：當人際動態主導目標時採取類似跟隨者的角色，當團隊表現主導目標時採取更具領導性的角色。
- 本身未報告任何定量結果；作者表示此模型已應用在另行發表的一項實證研究中，內容是父母與孩子和機器人一起閱讀故事。
限制
- 未針對多人 HRI 中的心流體驗提供現成可用的指標或量測方式；將此框架轉化為可量測的指標留待未來研究。
- 它是一個概念模型，而非供 HRI 實務工作者使用的實用設計工具或系統開發框架。
- 它意味著需要對群體動態、情緒與表現進行複雜的感測與感知，作者表示以目前的自主 HRI 系統，這在技術上可能有困難。
- 需要透過使用者研究、個案研究與定量分析進一步進行實證驗證。
- 領導者與跟隨者的支援角色只是行為設計的一個可能軸向；其他光譜，例如情感與認知或激勵與資訊，在某些情境下可能更合適。
對領域的影響
榮獲 HRI 2024 最佳論文獎（理論與方法組，長篇論文），被引用 21 次。這是一篇概念性論文，未釋出任何程式碼、資料或硬體設計。
摘要
本文提出一個新的概念模型，用於機器人在與人類長期互動中的行為調適，將動態的機器人角色調適與心理學中心流體驗的原則加以整合。這項概念化引入一個以心流體驗為基礎的階層式互動目標，作為機器人的整體調適目標。此目標交織了認知與情感兩類子目標，並納入個人層級與群體層級的人為因素。動態角色調適方法是我們模型的基石，強調機器人能夠靈活調整其支援角色——從領導者到跟隨者——目的是維持活動挑戰與使用者技能之間的平衡，從而促成使用者的最佳心流體驗。此外，本研究也全面探討了我們所提出之概念化的限制與潛在應用。我們的模型特別著重多人 HRI 範式，這是 HRI 中一個尚未充分探索且具挑戰性的面向。藉此，我們期望擴展此概念化在 HRI 領域中的適用性與相關性，為未來開發能與人類維持長期互動的調適型社交機器人做出貢獻。
連結
- arXiv 2401.02833: https://arxiv.org/abs/2401.02833
- DOI 10.1145/3610977.3634945: https://doi.org/10.1145/3610977.3634945
- PDF: https://arxiv.org/pdf/2401.02833v1