**自发视觉观点采择（spontaneous visual perspective-taking, VPT）在人–机器人交互中作为空间刺激排列的方法学产物**

《Scientific Reports》：Spontaneous visual perspective-taking in human–robot interaction as a methodological artifact of spatial stimulus arrangement

　　

以往研究已证明，个体对静态图像或视频中已有机器人会产生自发视觉观点采择（spontaneous visual perspective-taking, VPT），但人们对VPT是否会在机器人化身（robotic avatars）或沉浸式环境（如虚拟现实, virtual reality, VR）中发生知之甚少。本研究的目的是将现有研究扩展到机器人化身以及作为交互媒介的VR。研究1证实，被试在静态图像中会自发地采取机器人化身和人类化身两种代理的视角，且两种代理间的VPT无显著差异。研究2比较了视频和VR条件下的VPT，结果显示，尽管VR引发了更强的共在感（copresence），视频条件下的VPT却出乎意料地更高。研究人员推测，刺激呈现的空间背景可能发挥了关键作用。因此，研究3通过操纵刺激出现在机器人环境与其出现在共享环境，进一步探索了这一问题，发现当刺激仅呈现在机器人环境中时VPT更高。该发现表明，早期的VPT研究可能存在一个关键的方法学局限，即未考虑真实人–机器人交互（human–robot interaction, HRI）场景中的空间背景，这可能限制了其研究结果对其实世界中机器人交互的适用性。

**论文解读**

**研究背景、问题与目的**

视觉观点采择（visual perspective-taking, VPT）是指个体从他人的视角理解其视觉体验的能力，它在人类–人类交互（human–human interaction, HHI）和人类–机器人交互（human–robot interaction, HRI）中均发挥着基础性作用。个体在观察他人时可以自发产生VPT，而无需明确的交流需求。同样，研究者也已将VPT引入HRI领域，一方面致力于赋予机器人采取人类视角的能力，另一方面则关注人类是否能够自发地采取机器人的视觉视角。早期使用图片和视频刺激的研究发现，人类确实会自发地采取机器人代理的视角，且VPT的程度受机器人外观的类人性、社会性行为和目标导向行动等因素影响。其中，机器人外观的类人性被认为是触发自发VPT的基础，即“纯粹外观假设”（mere appearance hypothesis），但目标导向行为（如注视或伸手）能进一步促进VPT的发生。

然而，现有研究多依赖静态图像或视频刺激，未能充分体现HRI中至关重要的具身性（embodiment）和共在感（copresence）特征。虚拟现实（virtual reality, VR）技术能够营造强烈的共在感，且允许高度控制的实验设计，为在更动态、更交互的场景中探索VPT提供了独特平台。尽管如此，尚无研究利用VR考察HRI中的VPT。因此，本研究旨在将VPT研究从静态图像和视频扩展至机器人化身和VR媒介，系统考察空间刺激排列对自发VPT的影响，并揭示以往研究方法学上的潜在局限。研究共包括三项子研究。

**关键技术方法概述**

三项研究均采用改编自文献的VPT任务，要求被试判断桌上呈现的数字是6还是9，通过被试采用自己视角还是代理视角来衡量VPT。研究1通过在线平台Inquisit 6 Lab进行，招募了乔治梅森大学SONA系统的110名被试（最终有效样本104名），采用被试间设计，比较人类化身（基于Ready Player Me平台生成）与机器人化身（Robot Kyle，来自Unity Asset Store）两种条件下的VPT，并测量了拟人化外观感知（使用RoMo-A问卷的外观分量表）和反应时（response time, RT）。研究2在实验室进行，招募85名被试（有效84名），采用被试间设计比较视频与VR两种呈现媒介下的VPT；VR条件使用Meta Quest头戴显示器呈现沉浸式虚拟环境，被试以第一人称视角观看，无可见自我化身；两种条件均包含机器人化身注视并触碰数字的5秒动画；同时测量感知共在感（使用共在感问卷的空间分量表）。研究3同样在实验室进行，招募84名被试（有效80名），在VR环境中操纵刺激的空间位置，分别设置“共享环境”（被试与机器人面对面坐在同一桌旁）和“机器人环境”（被试通过墙壁上的虚拟窗口观察机器人所在场景）两种条件，测量VPT和感知共在感。

**研究结果**

*研究1*

研究1旨在验证机器人化身能否像已有真实机器人那样引发自发VPT。二项检验显示，采取机器人化身视角的被试比例（21%）显著高于0%（p < .001），采取人类化身视角的比例（31%）也显著高于0%（p < .001）。卡方检验表明，两种代理间的VPT无显著差异（χ²(1) = 0.80, p = .371）。反应时的探索性分析发现，被试采取自己视角的RT（M = 3251.92 ms）显著快于采取代理视角（M = 5489.96 ms）（p = .011），支持自我中心干扰（egocentric interference）原理；且在机器人条件下，自我视角RT显著快于机器人视角RT（p = .003），但在人类条件下该差异不显著。这些结果确认了化身可以引发自发VPT，为后续VR研究奠定了基础。

*研究2*

研究2比较了视频与VR条件下对机器人化身的VPT。卡方检验显示，视频条件下的VPT（46%）显著高于VR条件（9.7%）（χ²(1, N = 84) = 13.89, p < .001），尽管VR条件下的感知共在感（M = 3.44, SD = 0.82）显著高于视频条件（M = 2.82, SD = 0.84）（p < .001）。这一结果与沉浸度提高能增强VPT的预期相悖。研究人员推测，视频条件和以往研究中刺激出现在机器人所在“世界”内，而VR条件中刺激位于共享环境中，这种空间背景差异可能是关键影响因素。

*研究3*

研究3直接在VR环境中操纵刺激的空间出现位置。卡方检验表明，当数字仅呈现在机器人环境中时，VPT比例（42.5%）显著高于共享环境条件（12.5%）（χ²(1, N = 80) = 7.59, p = .005），同时感知共在感在机器人环境条件下（M = 3.51, SD = 0.61）显著低于共享环境条件（M = 3.95, SD = 0.82）（p = .008）。该结果表明，空间分离通过强化自我–他人区分，使他人视角在认知上更加凸显，从而促进VPT。这也解释了研究2中VR条件下VPT偏低的现象：共享参照框架使被试更倾向于依赖自我中心线索，而非主动采取机器人视角。

**讨论总结与研究结论**

综合三项研究，本研究发现自发VPT在HRI中高度依赖于空间刺激排列，而非仅仅取决于人形代理的存在。研究1证实化身能够引发VPT，且拟人化外观与VPT之间并非线性关系，更符合阈值效应的解释。研究2和研究3共同揭示，当刺激与机器人同处于一个空间环境时，个体更容易采取机器人视角；而当刺激位于共享环境时，VPT显著下降。这一发现质疑了以往使用图像和视频刺激（刺激内置于机器人环境）所得VPT结论在真实交互场景中的可推广性，揭示了早期VPT研究可能存在方法学限制：未考虑空间背景的作用。

**研究结论译文**（原文Conclusion部分）：尽管存在上述局限，本研究提供了一个关键见解：HRI中的自发VPT高度依赖于空间背景，而不仅仅是人形代理的存在。这一发现挑战了“增强沉浸感或逼真度（例如通过VR）必然会促进观点采择”的普遍假设。相反，它凸显了刺激呈现的方式和位置在塑造对机器人的社会认知反应中的重要性。重要的是，这种背景敏感性并非HRI独有；在人类–人类交互中也观察到类似效应，其中视线和遮挡等空间线索在触发自动观点采择中发挥核心作用。这些见解对未来HRI系统的设计具有更广泛的意义，提示在与机器人有效协作时，需要仔细考虑环境线索以及代理-任务的相对位置，以支持直觉性的观点采择。