X1.05.1Task-matched anthropomorphism设计研究
拟人化程度需与实际任务所需的社会互动匹配
别名: 任务匹配拟人化 · 社会线索匹配 · functional anthropomorphism
概念解释
任务匹配拟人化（task-matched anthropomorphism）要求机器人的人类化外形、声音和行为只承担任务实际需要的社会功能。需要轮流对话、共同注意或安抚时，适量的脸、注视和语调能降低理解成本；只需搬运、清洁或定位时，过多社会线索会许诺任务并不需要、系统也未必具备的关系能力。
机制
人类线索会调用现成的社会脚本：眼睛暗示看见，语言暗示理解，姓名和人格暗示关系连续性。任务若确实依赖这些脚本，线索可以使协作时机和关注对象更可读；若任务只需物理协调，额外线索会增加需要维护的一致性，并把注意从负载、路径和状态等关键能力上移开。匹配的核心是线索诱发的推断与功能需求相等，而非尽量像人。
怎么研究
可交叉操纵任务社会性与拟人化程度，在功能保持一致时测量指令理解、共同注意、错误归因、信任校准和任务绩效。应检验交互效应，而不是只比较哪个造型更受欢迎；高拟人刺激若同时拥有更流畅动画或更好语音，会混淆线索和质量。任务后的能力预测可揭示线索是否造成超出功能的推断。
边界
社会互动需求不是固定的产品类别：递送机器人在正常通行时不需人格，在请求旁人移开障碍时却需要清晰礼貌的社会行为。面向儿童、认知障碍者或高风险场景时，即使社会线索提高配合，也必须额外审查误导和依赖。减少拟人化也不能成为状态不可读的借口。
怎么落地
- 逐项列出任务所需的社会功能，再为每项选择最少且足够的线索；没有对应功能的脸、情绪和关系叙事应删除。
- 让新用户仅凭首次交互预测机器人能否看见、记住、理解和负责，并与真实能力矩阵核对。
- 在低、中、高拟人版本中同时测试任务完成、错误恢复和能力误判；选择能维持绩效且误判最少的版本，而非偏好分最高者。