四足机器人拟态手势通信的开发与评估：基于波士顿动力Spot平台的双向人机交互研究

为解决人机协作中机器人意图传达的难题，研究人员创新性地利用波士顿动力Spot四足机器人的现有运动能力开发拟态手势通信系统。通过构建"手势构建模块"组合，在职场检查场景中测试了四种手势（跟随/警示/指示/玩耍）的识别率，结果显示最高达92%的正确识别率（玩耍手势），证实了该平台拟态手势的有效性。这项发表于《Computers in Human Behavior: Artificial Humans》的研究为人机双向通信提供了新范式，特别为腿式机器人的人机交互设计开辟了新路径。

　　

在工业自动化和服务机器人快速发展的今天，人机协作已成为关键课题。然而当前研究存在明显失衡：虽然人类向机器人传达意图的技术（如手势识别、自然语言处理）已取得长足进展，但机器人向人类传递意图的通信方式却鲜少被探索。更值得注意的是，在腿式机器人领域，这种双向通信的研究几乎空白——近期一项包含77篇论文的运动意图通信综述中，竟无一篇涉及四足机器人平台。这种研究缺口与波士顿动力Spot等商业化四足机器人日益广泛的应用形成鲜明对比，这些"无头机器狗"正被逐步应用于巡检、安防、STEM教育等多个领域。

昆士兰科技大学（Queensland University of Technology，QUT）的研究团队敏锐捕捉到这一技术痛点。他们发现，腿式机器人因其生物相似性，可能比轮式平台或机械臂更适合采用拟态手势通信。但核心问题在于：能否仅通过机器人现有运动能力的组合，构建出人类可识别的意图表达系统？这项发表在《Computers in Behavior: Artificial Humans》的研究给出了肯定答案。

研究采用多模态实验设计，核心技术包括：1）基于犬类行为学构建"手势构建模块"（如play-bow、原地小跑等）；2）通过Spot标准控制软件组合模块形成四种职场场景手势；3）采用视频问卷收集39名参与者对手势的解读；4）运用Godspeed量表评估人机交互质量；5）通过卡方检验和线性回归分析 demographic factors 与识别准确率的关系。

研究结果部分显示：
视频识别率：玩耍手势以92%的正确率表现最佳，其次为警示（69%）、指示（62%），跟随手势仅51%。卡方检验证实所有手势识别率显著高于随机猜测（p<0.01）。
年龄因素影响：每增加10岁年龄层，对警示手势的识别准确率下降17%（p=0.023），暗示年轻群体对现代机器人能力认知更准确。
Godspeed评估：尽管无人认为Spot完全"动物化"（最高评分为4/5），但所有参与者都给予正面评价（最低2/5），显示平台具有基础亲和力与可信度。

讨论部分揭示了三个关键发现：首先，拟态手势在简单意图传达（如玩耍）中效果显著，但复杂意图（如跟随）仍需多模态增强；其次，年龄相关的识别差异提示需针对不同用户群体优化手势设计；最后，Godspeed结果显示机器人"类生命性"并非必要，适度拟态即可获得良好接受度。这项研究不仅填补了四足机器人意图通信的研究空白，更提出了可扩展的"手势模块化"设计框架，为未来人机协作系统的开发提供了重要方法论。特别值得注意的是，研究证实犬主与非犬主在识别准确率上无显著差异，这意味着拟态手势具有普适性潜力，无需特定动物行为知识即可理解，这对实际应用场景具有重要价值。