机器人辅助决策：揭示不确定性可视化和具身性的作用

文献标题

Robot-Assisted Decision-Making: Unveiling the Role of Uncertainty Visualisation and Embodiment

文献信息

• 主题领域: 人机协作、可视化决策支持、人机交互 (HRI)
• 关键词: 辅助决策、人工智能、不确定性可视化、机器人具身性、风险沟通、透明度、信任、数据可视化

研究背景与问题

• 问题与挑战:

  • 在高风险的协同任务中，机器人需要通过适当方式向人类传达其操作过程中的不确定性。然而，目前有关机器人如何有效可视化和传达不确定性的信息较为匮乏。
  • 尽管人机交互 (HRI) 和信息可视化 (VIS) 领域对“不确定性”和“辅助决策”已有研究，但针对机器人不确定性可视化在辅助决策任务中的具体应用研究尚少。
  • 缺乏有关机器人呈现高/低置信度水平对人类决策影响的理解，尤其是在物理存在的协作场景下。

• 重要性:

  • 使机器人传达不确定性可以加强透明度、校准人类对机器的信任，并支持更佳的协作决策。
  • 在关键场景（如医疗或工业高风险任务）中，错误的决策可能对人类安全构成威胁。

• 研究动机与相关工作:

  • 当前机器人主要关注社交情境或服务领域的建议任务，很少有研究考察机器人在非人形态、非社交环境中的视觉传达不确定性。
  • 在HRI中，物理存在机器人（如机械臂）如何通过行为与人类协作并传达不确定性值得深入探索。

解决方案

• 提出的方法或解决方案:

  • 探讨两种可视化方式（图形化用户界面GUI 与 具身行为）在传达机器人不确定性及影响用户决策上的表现。
  • 实验中，使用机械臂机器人，评估其在协作任务中以不同置信度（低、高、100%）传递决策信息的效果。

• 创新之处:

  • 对比了传统可视化技术（例如图标数组、仪表盘和条形图）与机器人具身行为（例如犹豫手势）的效果。
  • 在真实场景（药品包装与装箱）中测试以机器人具身行为而非屏幕展示传达不确定性的可行性。

• 实施步骤及技术:

  1. 研究问题:
     • RQ1: 不同的不确定性展示方式如何影响用户的决策行为？
     • RQ2: 不同置信度水平如何影响用户对机器人的信任与透明度感知？
  2. 实验设计:
     • 共36名参与者，随机分配到GUI或具身行为实验组，进行药品装箱任务。
     • 每组实验分高、中、低三种置信度条件，每种条件涉及观察和决策10次。
  3. 实验任务:
     • 机器人呈现置信度并协调人机任务，参与者需根据机器人建议决定是否将药箱装箱运输或进一步测试。
  4. 测量指标:
     • 决策准确性、置信度平均估算、任务过程中的信任与透明度感知等。

研究成果

• 具体成果:

  • 决策行为:
    • 在100%置信度条件下，使用具身行为展示的参与者正确决策率更高（12/18 人），相比GUI展示组的正确率较低（7/18 人）。
    • 不确定性可视化方式显著影响决策行为，具身行为可鼓励更直观的决策，而GUI可帮助参与者更细致评估风险。
  • 信息传递与信任:
    • 用户在低置信度条件下对机器人的透明度感知显著降低，表明需加强低概率风险的解释。
    • GUI可为高风险任务提供细致且可靠的信息，但较高的信息数据“显著性”可能带来“过度思考”，导致过度谨慎。
    • 在100%置信度条件下，GUI组参与者倾向于认为机器人“过于自信”，从而引发人机信任问题。
  • 具身行为优点:
    • 表现直观，无需额外学习；在信息显示能力有限的机器人（如机械臂）上具有适用价值。

• 与现有解决方案的比较优势:

  • 结合VIS和HRI领域方法，研究了信息展示对机器-人协作信任及交互透明度的影响。
  • 提出两类决策方式的优劣权衡：GUI更适合复杂决策，但易导致过载；而具身行为更直观但信息量较少。

• 实验或评估结果:

  • 不同条件下的混合实验设计揭示了置信度、展示模态与信任和透明度感知的显著影响。
  • 具身行为和GUI两组对透明度量表的评分没有显著差异，这表明具身行为在一定程度上能替代传统图形界面。

• 局限与未来方向:

  • 未涵盖更复杂的决策类别（如多目标权衡）。
  • 可进一步探索具身行为在动态错误检测场景中的适用性。
  • 建议研究如何动态适应用户对机器人不同置信度水平的需求，以及设计更难于滥用的“行为一致”机器人不确定性可视化方案。

总结

该研究揭示了不确定性可视化能够显著影响协作任务中人机交互的决策与信任问题。作者提出未来应深入研究任务类型与复杂性对不确定性展示效果的适配条件，特别是在关键高风险场景下，合理使用机器人具身行为与传统GUI的不确定性展示方式。