为远程协作设计具身远程呈现技术：机器人与虚拟形象的比较研究

《Proceedings of the ACM on Human-Computer Interaction》：Designing Embodied Telepresence for Remote Collaboration: A Comparative Study of Robots and Avatars

　　**摘要**

远距离呈现系统通过实体机器人或虚拟化身实现了远程协作，但之前的比较主要集中在远程用户的技术能力和便利性上。这忽视了本地合作者如何解读和回应这些实体化的行为。为了在可比较的条件下研究这些差异，我们开发了一个远距离呈现系统，它支持通过机器人或化身进行功能上等同的协作，并进行了一项受试者内研究，参与者在与远程伙伴协作时完成了各种任务。这两种形式都支持功能上等同的行为：导航、手势、物体引用和数字工具使用。尽管系统和任务的功能相当，但参与者对协作的解读和组织方式却有所不同：机器人被视为需要适应的辅助工具，而化身则被视为能够进行互惠互动的积极参与者。我们讨论了设计上的启示，以便使化身选择与远程协作的关系和任务特定需求相一致。

**AI生成的摘要（实验性）**

本摘要是使用自动化工具生成的，并非由文章作者撰写或审阅。它旨在帮助发现、帮助读者评估相关性，并协助来自相关研究领域的读者理解该工作。它旨在补充作者提供的摘要，后者仍然是论文的主要总结。完整文章是权威版本。点击此处了解更多信息。点击此处评论该摘要的准确性、清晰度和实用性。您的反馈将有助于改进未来的版本。要查看此人工智能生成的通俗语言摘要，您必须具有高级访问权限。

**图1.** 我们的远距离呈现系统允许远程合作者通过人形机器人（左）或虚拟化身（右）参与共享的物理环境。下方的图像显示了本地协作空间，合作者在那里导航、与物理对象互动并共享数字内容。上方的插图显示了本地参与者的视角以及远程操作者的空间。

**1. 引言**

为了支持未来的远程工作，协作工具必须超越口头交流，实现涉及空间互动的动态协作，其中参与者在共享空间中移动、转移焦点并协调他们的动作。这种协作进一步依赖于实时感知以及通过手势和动作表达意图和存在的能力[29, 35, 38, 39]。然而，现有的视频会议系统对空间动作和近距离转换的支持很少，使得远程参与者难以在桌子或白板等表面之间动态转移焦点[14, 26, 33, 43]。HCI和CSCW研究已将化身作为一种支持远程空间协作的方法进行了探讨。通过允许远程用户在共享空间内移动、手势和互动，化身可以增强他们的自我位置感和能动性，同时通过实体化行为实时表达存在和意图[3, 40, 53]。出现了两种主要的化身实现方式：（1）机器人化身，其中远程用户通过远程操作的实体机器人来表示；（2）虚拟化身，其中用户由虚拟或增强环境中的化身来表示。

然而，远距离呈现不仅仅是被感知的，而是通过远程用户对正在进行的协作活动的可识别参与来构成的[5]。这将分析焦点转移到了本地合作者如何解读远程用户的动作、手势和时机上，因为远距离呈现是通过互动共同构建的，而不仅仅存在于远程用户的体验中。因此，理解远距离呈现需要考察本地参与者如何为实体化行为赋予权义，并将远程用户置于协作环境中。

**2. 相关工作**

2.1 用于远程协作的实体化远距离呈现系统**

虽然视频会议工具已被广泛用于远程协作，但它们只提供了对远程环境的有限2D视角。结果，它们常常破碎了相互意识并限制了实体化互动；参与者难以知道手势或物体是否可见，难以协商共享空间，或根据任务或社交动态调整近距离[29, 35, 38]。当协作跨越多个表面时，这些限制尤为明显，因为在不同工具之间切换注意力会增加互动开销并扰乱协调流程。

作为回应，提出了实体化远距离呈现系统，通过将远程用户表示为实体化的实体来恢复物理和社会存在。远距离呈现中的化身主要通过两种方法进行探索：强调物理共在的机器人系统，使远程用户能够物理上导航和占据共享空间；以及强调社交表现力的基于化身的系统，通过渲染手势、视点和身份线索[24]。接下来，我们将概述先前工作在这两个方向上的发展。

机器人远距离呈现系统因其传达物理共在的能力而被广泛研究，使远程用户在社会上更易于理解。一个关键方向是模拟人类社交信号，如视线、头部方向或肢体动作，以改进非语言交流并支持相互意识[5, 11, 50]。其他系统通过将全身运动与机器人代理结合，在VR中扩展了这一功能，使远程用户能够导航大型空间并持续投射他们的注意力和位置[49, 51]。除了技术原型之外，自传式描述还展示了远距离呈现机器人如何成为日常生活常规的实体化延伸，促进情感存在和空间熟悉感[62]。这些努力共同表明，机器人化身不仅旨在将用户物理上固定在空间中，还使其成为社会上可理解的合作者。

基于化身的远距离呈现系统利用AR/VR技术在共享环境中呈现远程用户的位置、手势和视角。基础工作强调，有效的化身不仅要传达视觉相似性，还要传达存在感、位置和互动可能性[3]。在此基础上，一些系统如HoloPortation和BeHere捕捉高保真3D表示，或将化身置于任务情境中，以增强共位感、存在感知和协作沉浸感[42, 61]。其他工作探讨了调整化身规模或整合360°视频如何改善空间协调，并在教学过程中克服注意力限制[44, 45]。总体而言，这些努力突出了化身在表达性和灵活性方面的能力，同时也指出了在物质协作中实现虚拟存在的挑战。

机器人和基于化身的化身各自为远程协作提供了不同的优势；机器人将用户物理上固定在空间中并支持有形的协调，而化身则实现富有表现力的手势、灵活的视角和沉浸式共在。最近的工作提出了混合化身，旨在结合这些优势，将化身与机器人元素结合起来，以弥合视觉共在和物质能动性之间的差距。例如，HoloBots将全息表示与移动机器人结合，使远程用户不仅能够被看到，还能够物理操作物体并提供有形的反馈[21]。同样，VROOM和AvatARoid等系统将机器人代理与表现力强的化身结合起来，实现物理基础和社会存在[12, 25]。

即使出现了混合形式，远距离呈现的设计空间仍然以机器人和化身为基础。直接比较这两种化身有助于澄清它们各自的贡献，并为未来整合它们互补优势的设计提供基础。然而，有意义的比较需要功能上的等同性：如果机器人和化身在它们所能实现的动作上存在差异，观察到的差异可能反映了能力差距而非化身效果。

2.2 本地合作者与远距离呈现的共构建

远距离呈现越来越不被视为远程用户的主观体验，而是由本地和远程参与者共同产生的互动成果。Rae等人[48]提出了一个基于日常协作研究的框架，表明本地主持人通过定位机器人或相机、描述周围环境、管理注意力和方向以及对齐空间视角等实践，积极共同创建了一个共享的社会空间。在此基础上，后续工作展示了本地参与者如何解读、补充和修复远程用户的动作，以维持协作流程。例如，Boudouraki等人[4]表明，在移动机器人远距离呈现中，当远程用户遇到导航或感知困难时，本地合作者必须识别这些问题，决定是否干预，并物理调整环境或机器人以维持任务进度。同样，Heshmat等人[17]表明，在户外远距离呈现活动中，本地伙伴经常充当引导者和中介，弥补远程用户有限的环境意识并管理与旁观者的互动。这些研究表明，为了使远程动作成为共同工作的有意义贡献，本地合作者必须积极解读实体化行为并提供情境支持。

重要的是，本地合作者还决定了在互动中远程用户被视为哪种类型的参与者。关于学术会议中远距离呈现机器人的研究显示，本地人可能将机器人视为人的社交代理、技术设备，或是可以忽略或阻碍的麻烦，直接影响远程参与者是否以及如何参与[47]。在基于化身的远距离呈现中也观察到了类似的动态：关于增强现实远程协作的研究表明，化身的外观显著影响了本地合作者对远程用户的社交存在感、可用性和作为协作伙伴的合法性的看法[63]。即使功能能力保持不变，本地参与者参与的意愿也取决于化身如何将远程用户构建为社交角色。这些发现表明，远距离呈现受到本地解释框架的影响，通过这种框架，参与被授予、协商或拒绝。

2.3 比较化身：物理机器人与虚拟化身**

先前的研究探讨了物理和虚拟化身如何影响用户感知、互动质量和社交存在体验。早期的比较研究通常关注评估哪种化身表现更好，测量信任、享受、参与度和感知到的社交存在等结果[32, 60]。其他研究探讨了化身如何影响空间行为，例如在基于VR的远距离呈现与物理机器人相比的不适感和距离感[32]。一些研究转向了孤立特征或界面设计，考察手势表现力或视觉保真度如何影响协作：例如，实体化化身已被证明可以增加指示性手势并改善空间任务中的协调[1, 13]，而Han等人[16]提供了关于手势能力的证据，尽管这项工作主要关注物理臂部。这些研究共同提供了宝贵的见解，揭示了实体化如何影响不同环境下的感知、 proxemics（人际距离和空间感知）以及互动策略。然而，许多先前的研究主要将物理实体化和虚拟实体化视为技术或表征上的替代方案，重点关注比较结果。相比之下，Mutlu [37] 认为物理实体化和虚拟实体化之间的差异不仅仅是技术上的，更是解释上的。他提出，用户以根本不同的思维框架来对待实体化系统，这影响了他们对行动、空间和参与的理解和评估方式。基于这一观点，我们的工作探讨了这些解释框架在远程协作中的表现，尤其是从本地 collaborator 的角度出发。具体来说，我们关注机器人和虚拟形象如何不同地构建参与的意义、实施方式，以及在特定协作工作中何时被感知到参与的发生。

2.4 实体化与协作角色和任务类型的关系
鉴于物理或虚拟实体化根据任务性质对远程协作有不同的支持方式，本研究从两个方面考察了这些差异：协作结构和三种反复出现的任务活动。

2.4.1 协作结构：对称与非对称
在远程呈现系统中，任务协调通常遵循两种模式：对称协作，参与者同时工作并在现场互相响应；非对称协作，参与者通过不同的角色和时间分离的活动进行贡献，这可能是由于工作流程本质上是分步的（例如，教师-学生协作），或者是因为责任在参与者之间分配[6, 41]。非对称与对称协调的互动反映了结构化和管理任务流的不同策略。特别是非对称设置已被证明在多个方面提高了效率和角色清晰度：通过在不同模式间切换动作来创造协调的协作[23, 28]，支持特定角色的互动（如教师-学生交流[59]，以及以特定方式分配资源来塑造参与者的行为和协调策略[54]。这些先前的工作强调了对称和非对称协作在促进多样化互动模式方面的独特特性。因此，我们的研究将这两种模式都作为任务条件纳入其中（第4.2节），以便全面比较每种实体化如何支持协作动态。

2.4.2 任务类型与实体化
机器人和虚拟形象的能力和限制只有在特定的协作活动中才会显现出来。先前的研究将这些活动分为三类——空间导航、物理引用和共享数字互动——每类都对实体化系统提出了不同的设计要求。

空间导航：机器人提供了物理移动性和实体共存的能力，但可能限制了人际距离的灵活性。虚拟形象则能够实现平滑的转换和视角灵活性，但可能缺乏空间定位感。先前的研究表明，这种实体化上的差异影响了参与者对共享空间中距离、位置和移动的解读[20, 29]。

物理对象引用：机器人提供了视觉定位和相机对齐功能，使其在引用物理对象时非常有效。然而，与虚拟形象相比，当前的远程呈现机器人提供的手势交流较少，这可能会降低交流的清晰度。相比之下，虚拟形象提供了丰富的手势交流，但在与物理对象的交互上可能存在困难。研究强调了参与者如何调整他们的实体化行为来弥补这些不匹配[33, 35, 63]。

数字工具共享：虚拟形象通常与虚拟界面更自然地集成，促进了与数字内容的流畅互动。然而，由于机器人的物理存在，它们可能提供更直观的轮流操作提示。进一步的研究表明，对共享数字工具的访问取决于实体化如何塑造空间协调和注意力动态[23]。

因此，我们的研究在对称和非对称协作任务中比较了机器人和虚拟形象，同时考察了实体化如何影响参与者在导航、对象引用和数字工具共享中的参与。

3 系统设计
我们的重点是动态协作活动，如组织共享空间和共同操作物理和数字工件，这些活动需要高度的互动细微度和空间意识。为了研究不同形式的实体化如何影响物理-数字活动中的远程协作，我们设计了一个远程呈现系统，该系统支持两种不同的实体化形式，并使用匹配的功能和共享的基础设施。我们的设计不仅仅是追求外观上的相同，而是实现功能上的可比性，以考察在功能不变的情况下实体化如何影响协作。该系统允许远程用户通过物理机器人或虚拟形象与本地协作者和环境互动，模拟出物理共存的体验。

3.1 概述
考虑一个团队正在协作重新组织实验室空间。这项任务包括评估空间布局、检查设备以及与队友协商安排。在共地点设置中，参与者通过导航空间、在不同任务区域之间切换注意力，并使用手势和视线来表达想法和意图，从而无缝完成这些任务。从这个背景出发，我们确定了远程呈现系统需要满足的四个基本要求：

图2. 使用机器人实体的情况下，本地空间、远程空间和VR空间的配置。
- 非语言手势用于共同注意力：让远程用户通过非语言线索指导和分享注意力[15, 36, 49, 51, 58]，我们在两种实体化形式中实时同步远程用户的头部方向和手势。
- 自由空间导航：使远程用户能够在不同任务区域之间移动，并引用共享的对象或协作者[15, 26, 49, 51, 55]，两种实体化都支持在共享环境中的自由导航，使用户能够在任务变化时切换注意力和视角。
- 共享物理环境：为了支持在共享空间框架内引用和解释真实世界的工件[7, 8, 21, 22, 30]，两种实体化都允许远程用户与本地协作者协调地解释和引用对象。
- 双向数字工具：为了确保远程和本地协作者能够平等地使用数字工具[2, 9, 18, 52]，系统提供了在两种实体化形式中都可访问的同步数字板，本地协作者通过物理触摸屏进行交互。

基于这些要求，我们设计了一个远程呈现系统，使远程用户可以以物理机器人或虚拟形象的形式出现，满足上述要求，如图1所示。机器人实体化基于Pollen Robotics开发的开源人形机器人Reachy[46]构建。Reachy具备表达性的头部运动能力、立体视觉系统以及7自由度的仿生手臂和夹持器，能够完成精细的手势操作和抓取重达500克的物体。虚拟实体化则实现在Oculus Quest 3头盔上，通过透视AR将实时虚拟形象叠加到本地协作者的环境中。虚拟形象使用Oculus Avatar SDK进行了定制，以匹配远程用户的性别和种族，但为了与机器人平台保持一致，其表现被限制为上半身模型，面部表情和动作有限（见第4.1节）。

图3. 两种交互模式
(a) 移动模式：远程伙伴在空间内移动，同时双手保持靠近。
(b) 手势模式：远程伙伴静止站立，伸出手指指向桌上的一个盒子。远程用户视野中的蓝色边界显示了机器人的手臂运动范围。

3.2 实现
在整个实现过程中，我们优先考虑了实体化之间的可比性，通过匹配交互功能并在适当的情况下限制实体化特有的优势。对于非语言手势，我们使用Unity的XRHands API[57]实时跟踪远程用户的手部骨骼关节，并替换了Reachy默认的基于控制器的远程操作，以保持输入与虚拟形象条件的一致性。为了防止机器人手臂的不安全过度伸展，我们在VR中将操作边界可视化为半透明的胶囊（见图2）。此外，我们还禁用了机器人抓取物理对象的能力，以匹配虚拟形象的交互能力。对于自由空间导航，我们实现了隐式的移动功能，保持远程用户的物理VR动作与机器人和虚拟形象位置的1:1空间映射。为了在支持导航和手势交互的同时确保安全操作，我们设计了一个自动双模式系统（见图3）：当用户的手靠近躯干时激活移动模式，当手部伸展时激活手势模式，停止机器人运动以允许精确指向和稳定的头部旋转。

本地环境包括一个用于共享物品操作的圆桌、用于搜索活动的存储架和抽屉，以及用于规划和协调的数字板。为了支持共享物理环境，我们在圆桌上方放置了一个摄像头，为远程用户提供共享工作空间的实时视图。两种实体化都通过一个对本地和远程用户都可访问的同步数字板支持双向数字工具。更多实现细节见附录A。

4 实验设计
我们的实验目标是了解不同形式的实体化如何影响远程协作的解读和体验，而不仅仅是任务性能或技术可用性。为此，我们进行了一项被试内实验，每位参与者都分别与一个远程伙伴使用机器人实体化和虚拟形象实体化进行了协作。具体来说，我们考察了本地协作者在两种旨在反映不同协作结构的任务中如何感知和与远程伙伴合作。两种实体化条件和两种任务类型的顺序是交叉安排的，以减轻学习效应和顺序偏见。

4.1 操作实体化系统
两种实体化都是由经过训练的研究人员作为协作者操作的，遵循标准化协议以确保条件之间的一致行为线索。研究人员在实际实验前进行了多次练习。一个人与6位参与者（P1, P2, P3, P5, P11, P12）进行了实验，另一个人与6位参与者（P4, P6, P7, P8, P9, P10）进行了实验。这些指南指定了远程协作者在每次活动中应如何使用视线、手势和数字或物理工具，以及他们如何在活动之间导航共享空间。指南的关键方面包括：
- 手势：远程协作者被指导在控制虚拟形象时使用与操作机器人时相似的手部位置，使其手势与机器人的视觉边界指示对齐（见第A.1节）。由于虚拟形象无法执行抓取物理对象的功能，因此在我们的研究设计中限制了机器人的这一能力。此外，他们必须在整个会话期间始终保持双手在躯干前方并在头盔的跟踪范围内可见。
- 注视焦点：远程协作者被鼓励保持与参与者当前任务焦点一致的注视行为，以确保他们的焦点对应于参与者正在交互的相同对象或位置。这是为了在条件之间保持一致的相互关注，并最小化感知注意力的无意差异。
- 空间导航：尽管虚拟形象的移动不受物理对象或本地协作者存在的影响，但远程伙伴被指导遵循预定义的路径（例如，从桌子移动到数字板），以观察本地参与者基于两种实体化的响应和空间协调。为了模拟机器人的双模式控制（这在移动和手势之间引入了不可避免的暂停），我们也指导用户在虚拟形象条件下在转换时短暂停顿。
- 数字工具使用：尽管虚拟形象在移动上具有灵活性，但远程协作者被指导在使用数字工具时避免与本地协作者的动作重叠。

4.2 任务设计
我们设计了两种任务，分别体现了物理-数字工作空间中常见的对称和非对称形式的远程协作。在对称协作中，伙伴们共享类似的责任，共同协商决策和行动。在非对称协作中，角色是分化的，一个伙伴主要负责指导活动，另一个执行指令。虽然任务在角色分配上有所不同，但两者都包含了远程协作中的三种反复出现的活动：导航共享空间、在共享桌子上引用物理对象以及使用数字板。这些活动在每个任务中都有所排列，以观察参与者在空间配置转换时的协调情况。在桌子上共享物品时，参与者以L形排列站立，以便同时看到物品和他们的伙伴。使用数字板时，他们并排站立。在搜索活动中，参与者朝不同方向定位，这要求他们在物理分离的情况下保持注意力。

4.2.1 对称协作：规划任务
在规划任务中，参与者及其远程伙伴共同组织了一个实验室社交活动。任务需要共享决策和分布式主动性，没有预先定义的领导者。任务分为三个阶段：在桌子上的讨论（决定所需物品）、物品搜索（独立导航寻找物品）和安排规划（在数字板上重新会合规划放置）。不同的活动场景（针对儿童和本科生）为每种实体化条件提供了不同的协作场景。

图4. 规划任务。在共享桌上的讨论、在货架上寻找物品，以及在数字板上规划排列。4.2.2 不对称协作：包装任务。在包装任务中，协作被有意设计为不对称的；远程合作伙伴指导活动，而本地参与者执行指令。任务分为三个阶段：在数字板上接受指令（远程合作伙伴指定物品）、收集物品（本地参与者取货）以及执行包装（本地参与者在指导下进行包装）。为了提供不同的包装场景，在不同的实现条件下使用了不同的物品集。图5. 包装任务。在数字板上接受指令，从货架上取货，然后执行包装。4.3 程序。在开始协作任务之前，参与者需要完成两个准备步骤并签署知情同意书。首先，为了让他们熟悉具身远程呈现协作的概念，他们观看了一段视频，视频中远程合作者介绍了自己，描述了他们的位置，并解释了如何使用远程呈现系统。这确保了参与者认识到合作者是位于其他地方的真实人物，并强调同一个合作者将在所有任务中保持一致。其次，参与者参加了培训课程，学习并练习两种实现系统。在机器人实现条件下，参与者被要求佩戴头戴式追踪器；而在虚拟化身实现条件下，参与者使用了Oculus Quest 3头戴设备。在这段时间里，参与者还学会了如何使用整个任务中使用的数字板，练习了其基本功能，如移动贴纸以及用笔绘制或擦除。对于每个任务，参与者都被告知协作的目的（例如社交时光）和程序（例如，你将与你的合作者一起规划如何在实验室空间组织物品以进行本科生社交时光）。完成每个任务后，他们回答了一系列开放式问题，包括他们最难忘的时刻、他们的合作伙伴的身体语言和动作是如何支持或阻碍协作的（使用7点李克特量表评估）、他们如何感知自己与合作伙伴之间的距离，以及他们是否与机器人有过物理接触或与虚拟化身有过重叠（见附录B.1）。这些问题旨在促使参与者反思他们的体验，因为身体语言、动作、距离和物理接触通常被认为是使用远程呈现系统的用户体验的核心方面[3, 20, 33, 38, 39, 53]，而不是直接针对这些变量。我们还在每个任务后收集了李克特量表的评分，以描述性总结参与者对不同条件下手势和移动性的感知以及感知到的存在感（完整的李克特量表项目见附录C）。任务结束后，参与者回答了一组关于他们在这两种实现系统之间的偏好及其原因的问题，以及对四个协作任务的评分，以及对他们在四个任务中感知到的远程合作伙伴的印象（见附录B.2）。然后，研究人员回顾了参与者对开放性问题的回答，并提出了一些简短的跟进问题，以澄清他们的协作体验和对合作伙伴的感知在不同任务和实现条件下的差异。4.4 数据收集与分析。在每个任务期间，系统持续记录参与者的行为，包括本地参与者和远程实体的位置，以及从本地和远程视角进行的屏幕记录。行为数据通过头戴式追踪器和GoPro（在机器人条件下）以及Oculus头戴设备（在虚拟化身条件下）获得。从这些日志中，我们测量了本地参与者与远程实体之间的相对距离，并通过检查参与者头部方向与合作伙伴边界区域的重叠时间来计算注视持续时间，并通过屏幕记录进行了交叉验证。我们还收集了参与者在每个任务结束后以及完成所有四个任务后的回答，以及跟进访谈的文字记录。此外，两名研究人员——一名指导本地参与者，一名操作系统——在整个研究过程中进行了观察记录，以捕捉上下文细节。使用开放性回答和跟进访谈的文字记录，第一作者进行了初步的编码阶段，以回顾研究过程中发生的事情，并结合观察记录提供了丰富的上下文理解。这个过程生成了诸如身体语言、空间移动、手势难度、角色贡献、不一致、社交连接和头戴设备不适等开放式代码。根据我们的研究设计，我们进一步研究了这些代码如何根据任务和实现类型的不同而表现不同，并将开放式代码分组为中间互动类别，如锚定、表达性、自主性或效率。从这些轴向代码中出现了更高层次的主题，我们通过团队讨论和与行为追踪数据计算出的相对距离和注视持续时间的交叉参考对这些主题进行了迭代细化。4.5 参与者。我们通过大学传单招募了12名参与者（7名男性，5名女性；平均年龄=28.3岁）。在每次会话后，我们对访谈记录和现场笔记进行了编码，并将新出现的代码与早期会话中的代码进行了比较。到最后的会话时，除了细微的变化外，没有发现新的代码或主题，现有的代码集得到了反复确认。大多数参与者拥有硕士学位（12人中有9人），其余的持有学士学位。参与者之前使用VR/AR设备（如Oculus、HTC Vive）的经验各不相同；在10点量表上，有7名参与者将其经验评为1或2分，而5名参与者的评分较高，为7分或以上（中位数=2分）。相比之下，使用远程呈现机器人的经验普遍较低，大多数参与者将其评价为较低端（中位评分为1分）。该研究获得了机构伦理委员会的批准，所有参与者在参与前都阅读并签署了知情同意书。5 研究结果。基于不同的实现方式会引发不同的思维框架来解释互动[37]的观点，我们分析了本地合作者如何将远程合作伙伴的行为解读为参与，并探讨了这些解读如何组织协调、责任和协作角色。5.1 机器人作为空间代理：物理存在既是资源也是需求。在使用机器人实现时，参与者将机器人的物理位置线索解读为共同在场合作者的信号。他们将机器人的动作、声音和空间关系解读为需要协调和适应的后果性行为，这使得远程合作伙伴的参与成为不可避免的，并且对本地合作者具有物理上的责任感。以下部分说明了这种解读如何在不同活动中的协作行为中体现，包括在数字板上的工作、导航和对象引用。5.1.1 空间协调：边缘意识与适应。图6. 在数字板上听取指令时（左，机器人）P10看着数字板；（右，虚拟化身）P10看着合作伙伴的脸。在围绕数字板协作时，机器人的动作、声音和空间行为被解读为促进并排进行的边缘协调的线索，而不是相互的视觉参与。参与者不需要视觉上关注机器人就能保持协调；相反，他们依赖于环境线索，如移动声音、运动轨迹和偶然接触来推断合作伙伴的活动状态（见图6）。正如P1所说：“我能听到它在移动，当声音停止时，我就假设她已经完成了。”这些线索使参与者能够预测进度，调整时间，并在专注于共享数字板的同时协调动作。这种边缘协调模式也影响了任务空间之间的导航。当参与者在桌子、货架和数字板之间导航时，机器人有目的的移动被解读为任务阶段转换的信号。参与者根据机器人的轨迹和节奏来决定是跟随还是等待。P11指出：“有一个物理实体移动到特定位置，帮助我注意到何时应该转换任务。”其他人也类似地指出，当机器人向桌子移动时，它表明是时候重新集合了（P4），而转向货架则表明可以开始独立搜索（P6）。重要的是，参与者依靠移动声音和空间记忆来跟踪机器人的状态（P1, P10, P11），这支持了在分布式空间中的并行工作。然而，这种边缘协调伴随着物理需求。因为参与者将机器人视为占据相同的物理空间，他们会主动适应它的存在，让出空间，调整自己的位置，并像对待实际在场的人一样监控距离（P1, P7）。这种模式在观察中也得到了体现；参与者与机器人的平均距离比与虚拟化身之间的距离更远，这一点通过带有Bonferroni校正的配对t检验得到了统计支持（规划：t(11) = ?4.45, pbonf <.004, r =.80；包装：t(11) = ?4.12, pbonf =.008, r =.78；图7）。平均而言，机器人被放置在个人区（1.2–4英尺）到社交区（> 4英尺）之间，而虚拟化身经常进入亲密空间（< 1.5英尺）。参与者并不认为这是限制，而是将这种适应视为真正共享环境的证据，正如P9所说：“我只是觉得它在同一个空间里……我可以实实在在地碰到机器人。”这种对物理共存的期望也影响了他们对故障的感知。当机器人的行为违背了物理预期时，例如朝向数字板手势但并未实际触碰它时，这些时刻变得明显。参与者将这些情况描述为令人困惑或“奇怪”（P5），并指出当“屏幕移动了但机器人并没有真正触碰它”时（P3），感觉行动与效果之间的联系被打破了。这些故障因为机器人被当作一个物理上有责任的合作者而显得尤为显著。图7. 参与者与远程合作伙伴在（左）规划任务和（右）包装任务中的平均相对距离。5.1.2 共同引用：稳定的锚点与明确的展示。在共同引用桌面上的对象时，参与者将机器人的摄像头解读为一个稳定的、物理上固定的视角，作为共同注意力的锚点。参与者不是将视线视为人际信号，而是关注他们和机器人是否从相同的位置看到了相同的对象。P4将这描述为“准眼神接触”，解释说他们可以知道“我们在看同一个东西”。这种解读产生了L形的空间配置，将机器人定位为一个固定点，围绕这个点组织共同引用。与基于手势或视线的引用不同，机器人的摄像头作为一个位置固定的锚点，参与者可以可靠地对齐。然而，这种稳定性需要积极的物理努力。因为共同引用是围绕这个固定视角组织的，所以参与采取的是明确的展示形式，而不是假设的可见性。参与者不能依赖抽象的指向或推断的视线；相反，他们倾斜盒子，旋转对象，或将材料直接放在摄像头前使其可见（图8）。尽管对机器人实际能看到什么仍存在一些不确定性（P9），但参与者认为这些展示策略是必要的适应。正如P9所反映的，“倾斜盒子来展示物品确实感觉像是在合作”，而P10指出，因为摄像头的存在而展示传单或对象感觉更加自然。通过这些行动，引用变成了一种物理上的贡献，要求参与者积极地将对象与机器人的视角对齐，而不仅仅是信号意图。图8.（左）在桌子上的讨论：P9将纸张朝向合作伙伴；（右）包装执行：P9将盒子朝向合作伙伴。5.1.3 物理责任：连接与负担。机器人的物理脆弱性使得远程合作者的存在具有实质性的责任感。因为参与者将机器人视为一个脆弱、共处的实体，可能会受到损坏或造成伤害，所以他们感到有责任保证其安全运行。这种责任既强化了共在感，也带来了协作负担。在整个任务过程中，参与者积极监控机器人的动作，并调整自己的行为以避免碰撞或干扰。一些人描述说因此变得更加谨慎和注意机器人的动作（P1, P7, P12），并解释说它的脆弱性让他们感到有责任。对一些参与者来说，这种责任感培养了一种连接感：照顾机器人使协作感觉更加具体和有相关性，加强了与实际在场合作者一起工作的印象。同时，这种责任感也带来了负担。因为机器人被视为物理上脆弱且可能危险，参与者报告说在中断其动作或自由行动时会犹豫，指出持续的警惕限制了他们的行为，使协作感觉“有风险”或精神上令人疲惫（P5）。机器人不能被忽视或被视为边缘化的存在；它的脆弱性要求持续的关注，一些参与者体验到这种关注是一种限制而不是支持。这种责任感在实验结束时最为明显。当机器人关闭电源，机械臂在离开空间时下垂，参与者经常用情感性隐喻来描述这一时刻，比如说机器人“累了”或“死了”（P5，P12），并且大多数人会一直看着它直到它完全离开实验室（图9）。这与化身（avatar）的情形形成了鲜明对比，在那种情况下，参与者通常会在化身消失之前就取下头戴设备，将它的离开视为简单的系统关机。因此，机器人的关闭并不被视为一项技术性事件，而是参与者在整个会话中一直负责的一个“存在”的终结。

图9. 实验后的离开行为。（左，机器人）P9 监视机器人直到它离开实验室并关机；（右，化身）P9 在化身离开他们的实验室空间之前就取下了头戴设备。

总体而言，机器人的化身形式围绕着一种实际可感知的参与方式来组织协作，这种参与方式是持续存在的，并且需要在物理层面进行互动。 Peripheral coordination（外部协调）、place-bound reference（与空间的关联）以及physical accountability（物理责任）使得远程合作伙伴的参与成为不可避免的一部分，同时要求本地合作伙伴在整个互动过程中进行调整、表现出适当的行动并维护交互的顺利进行。通过这种方式，机器人使协作显得像是与一个空间上紧密相连的伙伴一起工作——这个伙伴的有形存在支持了协作的进行，但其物理限制却主动地塑造了协作的进程。

5.2 化身作为表达性代理：依赖注意力的参与方式
在与人形化身互动时，参与者是通过虚拟界面这种表达性代理来理解远程合作伙伴的，而不是通过与他们物理上的共处。参与过程依赖于化身的表达性线索——面部朝向、视线和手势，这些都需要直接的视觉关注才能被感知。因此，远程合作伙伴的参与感更像是通过面对面的交流和持续的注意力来实现的，而不是由共享的物理空间自动强加的。接下来的部分还将探讨这种理解方式是如何影响不同活动中的协作的，包括在任务规划、导航和物体识别等场景中的表现。

图10. 本地参与者在（左）任务规划和（右）打包任务中对远程合作伙伴的注视比例。

5.2.1 空间协调：面对面交流 vs. 依赖注意力
与支持外部协调的机器人不同，参与者依赖化身的表达性线索来理解远程合作伙伴的注意力和意图，这种理解方式使得协作围绕面对面的交流来组织，而这种交流又需要持续的目光关注。参与者需要直接看着化身才能保持对合作伙伴存在和活动的意识。正如P1所解释的：“如果我看不到化身，有时我就感觉不到它的存在。”没有视觉关注，参与者往往会完全忽略化身，这使得目光成为协调的关键资源。这种以面部为中心的交流方式促进了丰富的情感交流。参与者通过关注化身的面部来感知其存在、注意力和反应能力，描述了面部朝向（P2）、头部动作（P9）和手势（P3）是如何支持对话流程和理解对方意图的。P11指出，化身“让我保持警觉，并意识到合作伙伴的存在以及他在看什么。”尽管化身保持中性的面部表情，参与者还是会赋予它情感属性；例如，P10描述化身“总是面带微笑”，认为它在情感上是可以亲近和交流的。这种模式在注视行为中也有所体现，因为在两项任务中，参与者花费更多的时间注视化身；在Bonferroni校正后，这种差异在打包任务中具有统计学意义（t(11) = 4.24, pbonf =.004, r =.79），而在任务规划任务中 ise 没有统计学上的显著差异（t(11) = 2.37, pbonf =.148, r =.58；见图10）。

然而，依赖面对面交流也带来了注意力和空间的成本。当化身在并肩工作时距离过近或在视觉上重叠时，参与者会感到不适。P5描述说：“当它靠得太近时，会分散我的注意力……”而P7则指出，这样的互动虽然更丰富，但“Avoids limitations of sight（避免了视线上的限制）”。因为协调依赖于视觉上的互动，所以距离和重叠在桌面互动时变得尤为显著。

在需要在桌子、架子和桌面之间移动时，化身的移动性进一步突显了这种依赖注意力的交互模式。参与者赞赏化身无摩擦的移动特性，因为它能够实现快速、不间断的互动。P2表示，与机器人相比，与化身合作“在身心上都感觉轻松了一些”，而P7则强调化身“可以随时随地移动……而不必担心损坏问题”。

图11. 在不同空间中同时寻找物品：（左，机器人）P8 回头确认合作伙伴的状态；（右，化身）P8 没有回头，因为他们不确定合作伙伴在做什么。

然而，这种效率也剥夺了动作本身的协调意义。由于化身的重新定位是瞬间发生的且不受限制，参与者无法仅从动作本身推断出意图或任务阶段（见图11）。正如P4所观察到的，化身的动作“并不能真正传达出任何意图”。特别是在并行工作时，当不直接注视化身时，参与者往往会失去对合作伙伴位置或活动的追踪。P1解释说：“当我专注于寻找物品时，我就不知道她在做什么”，而其他人则描述合作伙伴暂时“消失”在他们的视线范围之外（P2，P6）。这偶尔会导致违反物理社交规范的情况，比如身体重叠或距离过近（P1，P5，P12；见图12），尽管参与者通常将这些视为虚拟化身带来的可接受的后果，而不是协作失败的表现。正如P7所说：“如果这是真实情况，那距离会太近……但因为这是增强现实（AR），所以没问题。”

图12. 在虚拟空间中，P10 不小心与远程合作伙伴发生了身体重叠。（左）他们的身体在虚拟空间中交汇。（右）本地参与者完全没有意识到这种重叠。

5.2.2 共同参考：表达性手势 vs. 空间上的不可靠性
与通过摄像头提供固定空间锚点的机器人不同，参与者主要是通过对话和手势线索来理解化身与他们的共同参考点，而不是通过空间定位。当面部的朝向和头部的方向表明了注意力和对话准备就绪时，建立共同参考点最为有效。P12解释说：“她尽可能多地尝试建立眼神接触……她的头部和手指指向的方向在从箱子搬到包的过程中特别有帮助。”同样，P10表示，注视化身的面部感觉就像“与现实中的人交谈一样”，即使在不需要精确的对齐情况下也是如此。

然而，参与者也指出化身的眼睛并不是可靠的空间参考点。有些人认为化身的眼睛“有点奇怪”或者容易分散注意力（P6），并指出仅凭视线方向很难判断化身实际关注的位置。与提供稳定、与空间相关的视角的机器人摄像头不同，化身的视线感觉与物理位置脱节——它暗示了对话中的关注，但并不能在物理空间中确定共同的视图。因此，参与者并不将视线视为判断化身“能看到什么”的可靠指标，而是依赖更明确的互动信号。

图13. 化身模型的手指灵活性使得本地参与者能够容易理解远程合作伙伴正在指代什么。在这种情况下，有形的手指手势成为化身进行共同参考的最强工具。多位参与者（P2，P6，P9，P10）强调，手指指向比机器人的手势更清晰、更有效。P10描述说化身的手指“就像指针一样”，而P6则指出“这次它帮助我找到了正确的物品（相比机器人）”。这些有形的手指使得在桌面上准确地指出物品成为可能，弥补了视线和空间定位上的模糊性。

5.2.3 头戴显示器：数字整合 vs. 设备负担
参与者将化身视为与物理环境空间上分离的存在，因为它并不被认为占据房间中的固定位置。P11解释说，在佩戴头戴设备时，很难知道“这个化身是相对于什么来定位的”，而P8则指出，化身的位置“不太令人困扰”，因为它的位置其实并不重要。由于化身不能在共享的工作空间中物理上参与互动，参与者并不将其视为需要物理协调或负责的物体。相反，协作被重新组织在化身能够发挥作用的空间上，比如数字工作板。

这种空间上的分离使得与数字工具的无缝整合成为可能，并且能够容忍空间上的违规行为。因为化身被感知为与数字工作板位于同一虚拟层中，所以互动感觉上是连贯的，参与者将化身与工作板的协作描述为“更具沉浸感”（P11）。参与者欣然接受身体上的重叠和距离上的违规，因为化身被明确理解为一个没有物理后果的虚拟实体——正如P2所解释的，重叠并没有造成不安，因为“它只是在电脑里”。通过将社交存在与物理责任分离，化身减少了安全方面的顾虑，并降低了空间不一致带来的互动成本。

图14. P10 不得不频繁地重新调整连接在桌子和工作板上的电缆（左），因为它们经常缠结或阻碍了他们的移动路径。然而，这种便捷性是以持续的设备负担为代价的。通过头戴显示器进行的互动需要持续依靠该设备，这带来了生理和感知上的负担。参与者报告视觉清晰度降低、身体不适，以及由于头戴设备的重量、视线限制和连接电缆造成的移动不便（P6，P9，P11；见图14）。与只在特定互动时刻才会引起关注的机器人物理脆弱性不同，头戴显示器在整个协作过程中都持续存在，给参与者带来了持续的压力。因此，虚拟化身将责任从管理共享的物理空间转移到了对持续界面交互的管理上。

总体而言，人形化身的形式围绕依赖注意力的表达性参与来组织协作，这种参与方式促进了丰富的面对面交流，同时需要持续的视觉聚焦。共同参考是通过对话线索和有形的身体手势来建立的，而不是通过空间定位。虽然空间上的分离使得数字工具的整合更加顺畅，但它也给参与者带来了持续的设备负担。因此，化身将协作描述为通过选择性的互动来实现的，其中参与过程通过表达性信号来明确表达，但仍依赖于持续的注意力。

5.3 协作关系：参与方式如何构建角色和关系距离
具身化的互动模式通过塑造对远程合作伙伴的期望、他们应拥有的自主权以及互动应该带来的情感亲近感来构建协作关系。参与者利用这些理解框架来决定合作伙伴是否可以介入、领导、跟随，还是在活动中保持从属地位。

5.3.1 任务对齐的自主权：机器人作为被动的助手 vs. 作为主动同伴的化身
参与者对机器人和化身的不同解读影响了他们在协作工作中如何分配自主权和责任。尽管远程合作伙伴在任务中的贡献是相同的，但参与者对它们能够和应该为共同任务做出何种贡献有着不同的理解。先前的研究表明，远程合作伙伴往往扮演着不对称的角色[17, 47]；我们的发现表明，这种不对称性是通过化身形式如何被构建在互动中产生的。在与机器人合作时，参与者经常认为远程合作伙伴需要适应和支持，因此他们更倾向于自己采取行动而不是等待。正如P2所解释的，他们觉得“为机器人做事更好”，将这种体验比作“照顾一位老年人”。这种框架默认地将参与者定位为领导者，不是通过明确的角色分配，而是基于弥补机器人局限性的必要性。

尽管存在这种不对称性，参与者并不觉得机器人是脱离实际的或缺席的。它的物理存在维持了一种基于共同位置的协作感。参与者描述说与机器人“在物理上在一起”（P1）。这自然与需要指令性、不对称的任务相匹配，例如打包任务，大多数参与者更愿意与机器人一起完成这些任务（12人中有7人）。正如P11所反思的，如果机器人“在监视我或告诉我该做什么”，他们可能更希望如此。在这些情境下，承担责任并不被视为协作的中断，而是对机器人物理限制的结构性适应。

相比之下，当通过化身来进行互动时，参与者将远程合作伙伴视为有能力且积极主动的协作伙伴。化身的流畅动作和丰富的情感表达让参与者期望得到主动性、响应性和平等的贡献。参与者强调，与化身交流时更容易理解对方的意图和表达（P4，P10），这种期望在李克特量表评分中得到了体现（见图15），其中化身在身体手势方面的得分更高。

然而，在不对称的任务中，这些期望可能会引发问题。在打包过程中，一些参与者表示感到被虚拟形象（P2）“支配”，因为虚拟形象的主动动作和表达性暗示使得指令显得更具控制性而非支持性。P1直接反映了这种紧张感：“在打包实验物品时，我感到自己似乎完全被我的合作伙伴控制了……对于虚拟形象来说，她告诉我该做什么。”相比之下，那些需要讨论、协商和共同决策的规划任务，参与者更倾向于与虚拟形象一起完成（12名参与者中有8人选择）。图15显示了所有项目的李克特量表结果，条形图表示平均值及其标准差。（Plan-G/M和Pack-G/M指的是每个任务中的手势/动作项目。Pres表示存在感，Avat表示特定于虚拟形象的指标。）使用Wilcoxon符号秩检验并应用Bonferroni校正后，未发现不同条件之间存在统计学上的显著差异（所有项目的pbonf >.05）。

5.3.2 关系距离：机器人缓和情绪，虚拟形象使情感更易理解。实体化还影响了参与者如何定位他们在合作关系中的远程伙伴。通过机器人和虚拟形象的实体化，参与者协商了情感距离——决定了在特定互动中可以、预期或需要多少情感信息。因此，对每种实体化的偏好会根据关系背景而变化，包括与伙伴的熟悉程度以及期望的合作情感密度。机器人中介的合作通常被描述为情感上较为克制且以任务为导向。有限的表达能力（P7）和减少微妙的人类暗示的传递（P11）使得参与者难以在情感上与远程伙伴产生共鸣。然而，许多参与者认为这种情感距离是有利的。当与熟悉的伙伴合作、认为不需要情感解读或过多的社交信号令人负担时，人们更倾向于使用机器人。正如P6所解释的：“如果我已经知道他们的长相，我可能会选择机器人……我不需要情感方面的交流。”

然而，这种缓冲效果并不适用于所有关系背景。在合作伙伴不熟悉的情况下，机器人的实体存在有时会使情感距离更难管理。P11指出：“机器人给人一种更真实、更具体的感觉，因此以这种方式与陌生人见面会让人感到负担。”这揭示了机器人实体化的一个矛盾：虽然减弱的情感暗示在已建立的关系中减少了社交压力，但在关系基础较弱时，物理上的共存可能会加剧暴露感。相比之下，虚拟形象与情感可接近性和社交可读性相关联。头部朝向、视线提示和手势细微差别使参与者将虚拟形象视为可以（也应该）解读其内心状态的伙伴。因此，在需要建立 rapport、协商或需要考虑关系敏感性的合作中，参与者更倾向于使用虚拟形象。正如P4总结的：“如果我需要建立个人关系，我会选择虚拟形象。”P6也强调，在与陌生人合作时，虚拟形象提供了更多关于对方的信息。

在可能产生分歧或不确定性的情况下，参与者也更倾向于使用虚拟形象，因为它们允许他们在保持一定距离的同时接收有意义的社会信号。P11描述说，虚拟形象使人们能够在虚拟形象不在场的情况下更容易理解陌生人。在这种意义上，虚拟形象中介的距离是可调节的，能够在不涉及物理共存的情况下实现情感的清晰表达。这些模式表明，实体化不仅通过代理权的分配方式影响合作关系，还通过协商关系距离的方式产生影响。机器人通过将远程伙伴描绘为需要支持的实体，自然地适用于不对称的任务，而虚拟形象则促进了更适合对称合作的互惠期望。关系距离本身不是远程性的副产品，而是一种互动资源：机器人通过限制情感暗示来缓和情绪，同时通过身体存在感加强这种感觉；而虚拟形象则通过表达性信号使情感更易理解，同时减轻了物理共处的社交负担。参与者利用这些差异来使合作符合任务结构和关系需求。

5.4 限制：解释实体化与研究范围

尽管我们努力通过共享控制流程建立功能等同性，但机器人和虚拟形象在视觉外观、运动动态和手势可读性方面存在差异。这些差异影响了本地参与者对哪些动作是可能或合适的理解。机器人的非人类形态似乎降低了人们对社交主动性的期望，而虚拟形象的类人外观让参与者期望更高的社交能力（P4, P5）。正如P12所解释的：“当我看到机器人时，很难让我相信我在与人类交谈。”

第二个限制涉及基于桌面的合作中的感知差异。机器人的摄像头是物理可见的且受限于桌面位置，而虚拟形象的视角则高于桌面，对参与者来说不那么明显。大多数参与者认为虚拟形象的视角是默认的，而不是经过明确验证的，从而假设共享视野是没有问题的。只有两名参与者指出了这种不对称性：P5使用桌面安装的摄像头与虚拟形象进行交流（图16），P2询问远程伙伴如何感知他人，以便调整自己的非言语信号的使用方式。

这些限制表明，系统控制层面的功能等同性并不能保证参与者对动作和感知的解释是等同的。因此，我们的发现更多地说明了实体化如何构建远程合作的参与解读，而不是系统性能的比较。此外，尽管我们观察到质量饱和的迹象（即后期会议中没有出现新的代码或主题），但这一评估仍然受到有限参与者池的限制。由于样本量相对较小，统计功效有限，定量发现仅作为描述性指标。因此，我们的分析侧重于实体化如何塑造合作解读的定性描述，而不是具有统计普遍性的比较。表1总结了不同实体化之间的主要互动差异。

表1 主题
机器人 虚拟形象
空间配置 鼓励并排排列，支持合作过程中的边缘意识
促进以面对面为主的配置，强调直接视觉互动
在共享空间中的导航 使用有意图的动作来标记任务阶段和协调变化
实现快速转换，优先考虑对话效率 通过摄像头固定的视角在物理空间中建立共同参照
设备负担 引入物理责任，增强存在感和相互关怀
头戴设备的限制 可能使参与者感觉与物理环境不协调
角色期望 通过类似助手的框架提供指导性或支持性领导角色
促进平等的、以同伴为导向的合作 通过对称的实体化实现互惠合作

6 讨论
6.1 实体化作为远程呈现的感知框架

我们的发现表明，远程呈现不仅受实体化物理形态的影响，还受到其所提供感知线索的影响——这些线索组织了本地参与者如何解读远程动作并协调参与。参与者在决定如何回应时，始终依赖于实体化特有的线索，将动作和时机解读为远程伙伴参与的信号，并据此调整自己的行为。这些解读影响了参与本身的认知方式：与我们之前的研究结果一致，我们将远程呈现重新定义为“参与到行动中”[5]，我们发现参与并非由远程用户单独完成，而是一种互动成果，这取决于远程伙伴的动作在本地参与者正在进行的工作组织中是否可理解。这表明，远程呈现的核心设计问题不在于哪种实体化更真实或更有能力，而在于实体化通过其相关的感知线索如何塑造参与成为可能和可识别的条件。这些线索指导了本地参与者如何解读远程动作，以及这些解读如何与合作的空间、关系和任务要求相一致。

6.2 重新审视新兴远程呈现技术下的物理实体化

尽管Reachy机器人可以像虚拟形象一样进行远程操作，但它表现出相对缓慢的动作、有限的动作连续性和粗糙的手势执行，与虚拟形象的流畅动作相比。这引出了一个重要问题：如果使用更先进的平台，参与者是否会以不同的方式解读机器人的合作？还是我们观察到的差异是由物理和虚拟实体化的根本差异造成的？诸如Unitree G1 [56]、Tesla Optimus和其他下一代平台[34]等新兴系统展示了显著改进的灵巧性、表达能力和响应性，使物理实体化更接近虚拟形象目前所提供的互动流畅性。因此，我们需要重新审视我们的发现，探讨技术改进如何重新配置某些模式，同时保持其他模式的不变。例如，改进面部表达能力——通过可动面部显示器[51]或虚拟化身机器人[21, 25]——可以使机器人支持面对面互动模式，并减少参与者报告的情感距离。然而，即使具有表达性面孔，机器人仍然是物理实体，参与者必须适应、为其让路并围绕其进行协调。尽管如此，提高表达能力可能会促进更丰富的社交互动，但它并不能消除与机器人共享物理空间相关的协调工作。

提高移动性。更流畅的机器人移动性和实时手势控制将减少认知负担，加快重新定位的速度，消除等待机器人动作的沮丧感。然而，即使是非常移动的机器人，它们仍然是物理上的脆弱实体，需要参与者管理它们的轨迹，我们的发现表明这种脆弱性会产生一种责任感和共存感，这是虚拟实体化所无法提供的。因此，提升远程呈现机器人的移动性应不仅关注操作效率，还要关注动作的可读性：能够流畅且可预测移动的机器人将更好地支持协调工作。最近在视觉-语言-动作模型[27]和高分辨率感知方面的进展可能进一步实现这一目标，使机器人能够更好地感知、预测和导航共享环境。

6.3 重新思考远程呈现的设计目标

以前的远程呈现研究主要强调提高表达能力、真实感和响应性，假设更丰富、更类人的实体化自然会带来更好的合作。然而，我们的发现使这一假设变得复杂。仅仅提高技术精度是不够的；重要的是，实体化行动是否能够在合作的社交和空间组织中被解读。

6.3.1 设计机器人：可解释的动作和多模态对齐

对于机器人实体化，我们的发现强调了设计可解释动作的重要性：使参与者能够可靠地理解机器人的动作、手势和空间定位对正在进行协调的意义。参与者始终将机器人的动作视为有意义的信号，不是因为他们被明确指示这样做，而是因为机器人的物理轨迹限制了共享空间并组织了共同行动。因此，远程呈现机器人应支持有意图的、可读的动作，使参与者能够预判意图并调整自己的行为。重要的是，这种可解释性不仅来源于机器人能做什么，还来源于它们显而易见的限制。参与者将机器人的脆弱性和操作限制视为有意义的线索，调整自己的行为以保护它，并将其状态解读为具有社交后果。

6.3.2 设计虚拟形象：表达性调节和任务对齐

对于虚拟形象的核心设计挑战不在于提高表达能力，而在于调节它。参与者的偏好受到关系背景的影响，特别是他们希望通过实体化暴露多少自我。这指出了可调表达性的重要性：虚拟形象系统应允许用户根据任务结构和人际动态调节情感和社会信号。用户可能并不总是希望他们的内部状态与其化身表现完全同步，而是会战略性地管理通过虚拟形象表达的内容。这种调节在表达性实体化与任务结构互动时尤为重要。对于机器人来说，角色不对称性通常会在持续的物理合作中得到协商和吸收；而对于虚拟形象，面部动画和手势丰富性等表达性线索使得角色不对称性在人际层面上立即可见。在指导性任务中，一些参与者认为虚拟形象的表达性加剧了指令的社交强度，使得指导显得过于命令式。因此，化身能够将结构上不对称的任务重新构建成更具社会意义和明确关系性的互动。虽然某些限制（例如在同时进行任务时外围感知能力减弱）可以通过听觉或近距离反馈来缓解，但上述动态特征不太可能随着表现力提升而消失。与由硬件限制导致的机器人性能问题不同，这些挑战源于表现性化身对社交互动本身的重塑方式。值得注意的是，即使我们的化身没有传递面部表情，参与者仍然报告了这些效应，这表明头部朝向、注视和手势本身就足以使角色的不对称性在社交层面变得显著。随着化身表现力的提升，指令性行为的社会显著性可能会进一步增强，这凸显了需要仔细协调表现能力与协作角色以及任务不对称性的重要性，而不能简单地认为更丰富的表达就能改善协作效果。

**7 结论**
本文表明，机器人和化身不仅通过能力差异来影响远程呈现（telepresence）的效果，还通过它们对远程行为和参与方式的解读组织来发挥作用。机器人将协作视为基于物理实体和空间责任的互动，通过外围感知和适应机制来支持协调；而化身则将参与视为通过富有表现力、依赖于关注的互动来实现的。这些解读框架不仅影响了合作伙伴的感知方式，还影响了行动权的分配以及任务执行过程中的关系距离的调节。尽管技术进步可以缓解某些性能限制，但许多观察到的现象源于物理实体和虚拟实体在构建社会意义方面的根本差异。因此，设计有效的远程呈现系统需要关注化身如何引导对远程行为的解读，并使系统能力与协作工作的空间需求、关系需求和任务特点相契合。

**致谢**
本研究得到了美国国家科学基金会（NSF）IIS-1925100项目的支持。我们感谢Pollen Robotics团队在Reachy平台技术支持和协助方面的贡献。