REX：设计以用户为中心的修复和解释以应对机器人故障

现实环境中的机器人会持续与多个用户互动，并遇到导致意外冲突的变化。最近的技术进步（如大语言模型、程序综合）提供了多种自动生成修复计划来解决此类冲突的方法。在这项工作中，我们通过两项用户研究了解自动修复和解释如何提升用户对机器人故障的体验。在我们的第一项在线研究（n=162）中，用户对执行自动修复和解释的机器人表达了更高的信任度、满意度和实用性。然而，我们也发现了风险因素——安全性、隐私和复杂性——需要适应性修复策略。第二项线下研究（n=24）阐明了根据风险严重程度和类型的不同修复和解释策略。我们采用基于设计的方法，将自动修复与解释作为机器人处理冲突和故障的解决方案，并针对风险因素提供适应性策略。最后，我们讨论了将这些策略纳入机器人设计以在不断变化的用户需求和环境 中实现无缝运行的启示。