评估共语手势预测对人机交互的影响

《International Journal of Human-Computer Studies》：Evaluating the effect of co-speech gesture prediction on Human–Robot Interaction

本研究旨在评估社交机器人中基于语音内容预测非语言手势（如手势）对用户体验的影响。通过对比使用预测模型（结合RNN和CRF）与随机手势的机器人，发现预测模型显著提升了用户对机器人自主性（ agency）和表达一致性（coherence）的感知（p<0.05），但未显著改善整体社会性或自然性评分。实验表明，恰当的手势选择能增强用户与机器人互动的信任感与任务完成度。

　　机器人在人机交互任务中的应用正逐渐增多，而为了提升其效率和用户体验，它们需要被视为合适的交互伙伴。这一目标的实现依赖于机器人能够使用恰当的言语和非言语交流方式。其中，非言语行为的选择是一项复杂的工作，要求机器人开发者深入理解不同交流维度以及它们组合对用户信息接收方式的影响。本文探讨了如何通过适当选择非言语表达来增强用户对机器人及其表达能力的感知，特别是通过一个名为“co-speech gesture prediction”的系统。

在当前的研究中，研究人员采用了一种结合了递归神经网络（RNN）和条件随机场（CRF）的方法，用于生成能够与机器人语音相匹配的非言语表达序列。该方法的核心在于通过语音内容识别并预测合适的非言语表达，从而使得机器人在与人类交流时更加自然和富有表现力。与传统的随机表达方式相比，这种预测方法在用户感知方面展现出明显的优势。实验结果显示，使用该系统生成的非言语表达使用户觉得机器人具有更高的自主性，并且表达更加连贯。

为了验证这一系统的有效性，研究人员设计了一项实验，参与者与两个机器人互动：一个是使用预测系统选择非言语表达的机器人，另一个则是随机生成非言语行为的机器人。实验结果显示，预测系统在提升用户对机器人行为的感知方面表现突出，特别是在自主性和表达连贯性方面。这表明，当机器人能够根据其语音内容选择合适的非言语表达时，用户对其的感知更为积极。

此外，研究还探讨了非言语表达在机器人与用户互动中的重要性。研究表明，适当的非言语表达可以显著增强机器人在任务执行中的表现，使其在人机协作中更加有效。实验还发现，用户的教育背景和年龄对他们的判断具有影响，这提示了未来研究可能需要考虑这些因素，以更全面地理解用户对机器人表达方式的反应。

然而，该研究也存在一些局限性。例如，样本量相对较小，这可能限制了研究结果的广泛适用性。此外，机器人Mini由于其非类人形态，其表达能力受到了一定的限制，这可能影响了实验的全面性。研究还指出，实验设计中的某些因素，如研究者在场和互动方式，可能对用户的注意力产生影响，从而影响了他们对机器人非言语行为的评价。

综上所述，本研究展示了适当选择非言语表达对于提升用户对机器人整体行为和表达能力的感知的重要性。尽管某些方面如自然性和表达性未能显示出显著差异，但结果仍然支持了预测系统在提升机器人交互效果方面的潜力。研究的结论表明，结合言语和非言语交流的机器人在人机互动中表现更佳，这为未来设计更加自然和富有表现力的社交机器人提供了理论支持和实践指导。