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

许可协议

• 开放获取
• 论文: CC BY 4.0

以下内容均依据论文全文，按其 CC BY 4.0 许可协议使用；其中的图已注明作者。

一句话总结

把群体机器人的适应目标设定为用户的心流体验，即挑战与技能之间的平衡，并通过在领导者和跟随者之间转换机器人的支持角色来实现这一目标。

为何重要

家庭、教室和护理场景中的社交机器人越来越多地在多次会话中与小群体交互，而在这种情况下很难设计固定的行为策略。该模型为设计者提供了一种结构化的方法，用来决定群体机器人应优化什么、改变哪种行为，同时保持机器人的社会身份和个性不变，以免它们混淆交互效果。

问题

机器人适应方面的工作大多针对单个用户，采用在整个交互中保持不变的单一目标，并且往往调整的是内容而不是机器人自身的行为。大多数多人 HRI 研究使用绿野仙踪（Wizard-of-Oz）式遥操作或基于规则的策略，无法实时适应。作者没有找到一个同时涵盖单人和多人交互的长期适应通用模型。

提出的方法

机器人的适应目标是用户的心流体验，它在个体和群体层面上拆分为认知子目标和情感子目标，其权重由群体因素（例如社会人口学特征、对机器人的态度、基线行为）和活动因素（进度、资源、环境）决定，并可在会话内或会话之间变化。机器人通过沿着一个支持角色谱移动来追求这一目标，该谱从跟随者、学习者或被辅导者延伸到教练、领导者或导师：当群体表现是优先事项时更像领导者，当人际动态是优先事项时更像跟随者。

关键见解

• 心流有认知维度（活动挑战相对于用户技能）和情感维度（例如融洽关系），两者相互调节，因此机器人的目标需要同时包含两者。
• 群体层面的情感无法通过对成员的情感状态取平均得到；需要二元融洽关系、人际同步和群体凝聚力等构念。
• 以牺牲表现较差者或不平等分配交互资源为代价来最大化群体表现的策略，不太可能给群体带来最佳体验。
• 角色转换的频率必须适合情境：在一次活动中从示范者突然转为求助者，可能会让群体对机器人知道什么感到困惑。
• 只有机器人的支持角色应当适应；改变其社会角色、身份或个性会引入混淆变量。

主要结果

• 定义了一个分层的适应目标，包含四个子目标：个体认知、群体认知、个体情感和群体情感，其权重取决于情境，并可能在会话内或会话之间变化。
• 列出了决定该权重的四个群体相关因素（d.1 社会人口学特征与关系，d.2 对活动和机器人的看法，d.3 基线行为，d.4 会话开始前的状态）和三个活动相关因素（a.1 进度，a.2 资源限制，a.3 情境与环境）。
• 用一个连续的领导者到跟随者支持角色谱，取代 Sebo 等人综述中对群体中机器人角色的跟随者、同伴和领导者三类划分，该谱相对于人类成员的角色来定义。
• 通过两个实例将动态机器人角色适应形式化：当人际动态主导目标时采用类似跟随者的角色，当团队表现主导目标时采用更具领导性的角色。
• 本身没有报告定量结果；作者表示，该模型已应用于另行发表的一项关于父母与孩子和机器人一起阅读故事的实证研究。

局限

• 没有为多人 HRI 中的心流体验提供现成可用的指标或测量方法；把该框架转化为可测量的指标留待未来工作。
• 它是一个概念模型，而不是供 HRI 从业者使用的实用设计工具或系统开发框架。
• 它意味着需要对群体动态、情绪和表现进行复杂的感知，作者表示，以当前的自主 HRI 系统，这在技术上可能很困难。
• 需要通过用户研究、案例研究和定量分析进一步进行实证验证。
• 领导者-跟随者支持角色只是行为设计的一个可能维度；其他维度，例如情感-认知或激励-信息，在某些情境下可能更合适。

对领域的影响

获得 HRI 2024 最佳论文奖（理论与方法赛道，长论文），被引用 21 次。这是一篇概念性论文，未发布任何代码、数据或硬件设计。

摘要

在本文中，我们提出一个新的概念模型，用于机器人在与人类长期交互中的行为适应，它把动态的机器人角色适应与心理学中的心流体验原理结合起来。这一概念化引入了一个以心流体验为基础的分层交互目标，作为机器人的总体适应目标。该目标交织了认知和情感两类子目标，并纳入个体层面和群体层面的人类因素。动态角色适应方法是我们模型的基石，它强调机器人能够灵活地调整其支持角色——从领导者到跟随者——旨在保持活动挑战与用户技能之间的平衡，从而促进用户的最佳心流体验。此外，本工作还全面探讨了我们所提出的概念化的局限性和潜在应用。我们的模型特别强调多人 HRI 范式，这是 HRI 中一个尚未得到充分探索且具有挑战性的维度。借此，我们希望扩展我们的概念化在 HRI 领域中的适用性和相关性，为未来开发能够与人类维持长期交互的自适应社交机器人作出贡献。

链接

• 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