窥视'白盒':一项关于旁观者参与城市机器人不确定性的实地研究

研究背景与问题

问题与挑战

• 机器人不确定性的挑战: 机器人在自动决策过程中因传感器噪声、机器学习模型局限性等因素，本质上会遇到不确定性问题。特别是在动态、多变的公共城市空间中，该问题变得更显著。例如，2022年一例送餐机器人越过警戒线误入犯罪现场的事件被广泛关注，暴露了机器人技术的不完善。
• 城市环境中的机器人缺乏人类协助: 在公共空间中，无直接协作者的情况下，机器人需要自行应对不确定性，这可能导致操作失误，进而影响公众对其的接受度。

重要性

• 与人类合作解决机器人不确定性，不仅有助于机器人优化决策，还能促进人与机器人的信任与互动。
• 在城市中引入机器人需要妥善解决公众对安全性、可靠性和潜在社会影响（如隐形劳动或职业取代）的担忧。

研究动机与相关工作

• 动机: 探索如何通过吸引公共空间旁观者的参与，以非侵入性方式解决机器人面临的不确定性，从而加深公众对机器人的理解和接受。
• 相关工作:
  • 人类-机器互动研究多聚焦于成为明确合作伙伴的用户，而对旁观者与机器人间“非正式合作”的研究仍不足。
  • 已有关于“成长式机器学习”和“动态非语言交互策略”的研究为文中讨论提供了基础。

解决方案

方法或解决方案

• 提出了一种**“窥视孔”（peephole）设计概念**，支持旁观者帮助机器人解决城市不确定性。设计灵感来源于“黑箱”AI隐喻，启用一种能激发好奇心且非侵入性的方式来呈现机器人需要协助的信息。

解决方案创新之处

1. 非侵入性: 避免直接的言语请求，通过隐晦展示（如窥视孔）激发旁观者的主动性。
2. 激发好奇: 利用“窥视”作为交互模式，转化普通帮助请求为一种探索性、游戏化的互动。
3. 增强互动情感: 方法基于“人机互动中的游戏化逻辑”，通过隐藏-揭示的信息吸引旁观者关注。

实施步骤与关键技术

1. 硬件实现:
   • 一个移动机器人，外形参考街道送餐机器人，带有可翻开的双目镜装置。
   • 翻开过程中，显示机器人在识别环境中出现的“不确定性信息”，包括问题描述及帮助请求。
2. 设计增强:
   • 添加手势提示（一个动画化的“旗杆”以摇摆和挥动的方式吸引注意）和音效提示（蜂鸣音）。
3. 使用“巫师实验法”: 两名研究人员远程控制机器人在实验现场引导不确定情境（如遇到水坑或叶子）并收集旁观者反应。

研究成果

具体成果

1. 收集了旁观者在现场帮助机器人解决不确定性时的自然行为和互动体验数据。
2. 发现“好奇心”和“人类主动性”驱动了旁观者帮助机器人的行为。完成交互后，参与者表现出正面情感反应，如笑声和惊奇。
3. 揭示参与帮助行为如何增进旁观者对机器人的信任与情感连接。

与现有解决方案的比较与优势

1. 与直接请求人类帮助的明确方式相比，窥视孔设计利用了旁观者的好奇和探索兴趣，降低了操作风险和负担。
2. 强化了公众“安全感”与“人类优越感”，部分缓解了机器人全自动化带来的不安情绪。
3. 机器人展示“不完美”的特性被认为是“可爱且讨喜”的，这种脆弱性与人类性格重合，有助于建设人与机器人间的情感纽带。

实验与评估结果

• 参与度: 第一次注意到机器人的人群中，仅29次实际帮助情况发生（相对于人流量较低），但开始互动的旁观者中仅两次中途退出，显示了较高的完成率。
• 互动效果:
  • 参与者普遍对窥视孔给予了正面评价。
  • 部分人因帮助机器人而感受到力量与责任感，并更加信任机器人。
  • 动画旗杆和声音提示的结合效果明显提高了理解和帮助意愿。

局限性与未来方向

1. 局限性:
   • 研究环境局限在大学校园，旁观者的教育背景和开放心态可能与其他场所的普通公众不同。
   • 实验设计的动态演化增加了数据复杂性，使不同场景间结果不完全一致。
2. 未来方向:
   • 探索如何在多样公共场景中实施窥视孔概念。
   • 研究机器人求助方式中如何更清晰地传递其意图，消除参与障碍。
   • 深入探讨利用游戏化、情感驱动或社交影响等策略推动人与机器人间自发合作。