این مقاله به بررسی یک رویکرد عملی برای بهبود تعامل انسان-ربات (HRI) از طریق ارتباط هیجانی غیرکلامی میپردازد. فرضیه اصلی این است که پذیرش فناوری را میتوان با ایجاد تعاملاتی شهودیتر و دارای طنین هیجانی افزایش داد. به جای چهرههای آندرویدی پیچیده و پرهزینه، این پژوهش کارایی یک نمایشگر کموضوح RGB-LED را برای انتقال چهار هیجان پایه بررسی میکند: شادی، خشم، غم و ترس. این مطالعه اعتبارسنجی میکند که آیا الگوهای پویای رنگ و نور میتوانند به طور قابل اعتمادی توسط ناظران انسانی به عنوان حالتهای هیجانی خاص تشخیص داده شوند و جایگزینی مقرونبهصرفه برای رباتهای با محدودیت ظاهری ارائه دهند.
این مطالعه به گونهای ساختار یافته بود تا ارتباط بین الگوهای نور برنامهریزی شده و هیجان ادراک شده را به صورت سیستماتیک آزمایش کند.
بر اساس کارهای پایهای در محاسبات عاطفی و روانشناسی رنگ (مانند [11])، پژوهشگران چهار هیجان پایه را به رنگهای اولیه نگاشت کردند:
فراتر از رنگ ایستا، پارامترهای پویا حیاتی بودند. الگوها توسط موارد زیر تعریف شدند:
به شرکتکنندگان انسانی مجموعهای از الگوهای نور تولید شده توسط نمایشگر LED نشان داده شد. برای هر الگو، از آنها خواسته شد هیجان مورد نظر را از بین چهار گزینه شناسایی کنند یا «ناشناخته» را انتخاب کنند. این مطالعه احتمالاً دقت (نرخ تشخیص)، زمان پاسخ و بازخورد ذهنی در مورد شهودی بودن هر الگو را اندازهگیری کرده است.
نمایشگر از یک شبکه LEDهای RGB تشکیل شده بود که کنترل کامل رنگ در هر پیکسل را ارائه میداد. جنبه «کموضوح» به معنای شبکهای به اندازه کافی کوچک (مانند 8x8 یا 16x16) است که انتزاعی باشد اما قادر به نمایش اشکال ساده، گرادیانها یا الگوهای جاروبی باشد، که با صفحه نمایش چهره با وضوح بالا متفاوت است.
یک میکروکنترلر (مانند آردوینو یا رزبری پای) برای تولید الگوهای هیجانی از پیش تعریف شده برنامهریزی شد. پارامترهای کنترلی ارسال شده به درایور LED شامل مقادیر RGB ($R, G, B \in [0, 255]$) برای هر LED و دستورالعملهای زمانبندی برای پویایی بود.
مقاله گزارش میدهد که برخی از هیجانهای پایه مورد بررسی میتوانند توسط ناظران انسانی با نرخی به طور قابل توجهی بالاتر از حد تصادف (25%) تشخیص داده شوند. این اشاره دارد که هیجانهایی مانند خشم (قرمز، چشمک سریع) و غم (آبی، محو شدن آهسته) احتمالاً نرخ تشخیص بالاتری داشتند که به دلیل ارتباطات قوی فرهنگی و روانشناختی رنگ است.
تحلیل آماری (مانند آزمون کای دو) احتمالاً برای تأیید این که نرخهای تشخیص تصادفی نبودهاند استفاده شده است. یک ماتریس درهمریختگی احتمالاً اشتباهات طبقهبندی خاصی را نشان داده است، مثلاً اگر «ترس» و «خشم» هر دو از الگوهای با فرکانس بالا استفاده کنند، «ترس» با «خشم» اشتباه گرفته میشود.
نظرات شرکتکنندگان زمینهای فراتر از دقت خام ارائه داد و نشان داد کدام الگوها «طبیعی» یا «ناهنجار» به نظر میرسند و به اصلاح نگاشت هیجان به الگو کمک کرد.
مزایای اصلی سیستم هزینه کم، مصرف انرژی پایین، استحکام بالا و انعطافپذیری طراحی است. میتوان آن را در رباتهایی با هر فرم فاکتور، از بازوهای صنعتی تا رباتهای اجتماعی ساده، ادغام کرد بدون اثر دره شگفتآوری که گاهی با چهرههای واقعگرا همراه است.
محدودیتها شامل واژگان هیجانی محدود (فقط هیجانهای پایه)، پتانسیل تغییرپذیری فرهنگی در تفسیر رنگ و ماهیت انتزاعی آن است که در مقایسه با تشخیص ذاتی چهره نیازمند مقداری یادگیری کاربر است.
این کار با پژوهشهای قبلی مانند Geminoid F [6] یا KOBIAN [10] همسو است اما آنها را سادهسازی میکند. این کار بیانگری ظریف یک چهره کامل را با جهانشمولی و عملی بودن معاوضه میکند، مشابه فلسفه پشت بیانهای رباتی «با محدودیت ظاهری» [4, 7, 8].
بینش اصلی: این پژوهش درباره ایجاد رباتهای عاطفی نیست؛ بلکه درباره مهندسی امکانهای اجتماعی است. نمایشگر LED یک «رابطه» هوشمندانه و مینیمالیستی است که از اکتشافات از پیش موجود انسانی (رنگ=هیجان، سرعت چشمک=شدت) برای قابل خواندن کردن وضعیت ماشین استفاده میکند. این شکلی از طراحی ارتباط بین گونهای است، جایی که «گونه» عاملهای مصنوعی هستند. سهم واقعی این است که تأیید میکند حتی نشانههای بصری فقیرانه، اگر به دقت طراحی شوند، میتوانند انتسابهای هیجانی سازگاری را برانگیزند - یافتهای با پیامدهای گسترده برای HRI مقیاسپذیر و کمهزینه.
جریان منطقی: منطق مقاله محکم اما محافظهکارانه است. از فرضیه شناختهشدهای شروع میکند که هیجان به پذیرش HRI کمک میکند [2,3]، سادهترین پالت هیجانی را انتخاب میکند و مستقیمترین نگاشت (روانشناسی رنگ) را اعمال میکند. آزمایش اساساً یک آزمون قابلیت استفاده برای این نگاشت است. این جریان فرصت بررسی حالتهای مبهم یا پیچیدهتر را از دست میدهد، جایی که چنین سیستمی میتواند واقعاً درخشان باشد و فراتر از تقلید چهره عمل کند.
نقاط قوت و ضعف: نقطه قوت آن عملگرایی ظریف آن است. یک راهحل کاربردی با پتانسیل کاربرد فوری ارائه میدهد. نقطه ضعف در محدودیت جاهطلبی تحقیق آن است. با تمرکز صرف بر دقت تشخیص چهار حالت پایه، هیجان را به عنوان یک سیگنال ایستا برای رمزگشایی در نظر میگیرد، نه بخشی پویا از یک تعامل. برای مثال، آزمایش نمیکند که چگونه نمایشگر بر اعتماد کاربر، عملکرد وظیفه یا تعامل بلندمدت تأثیر میگذارد - معیارهایی که برای «پذیرش» مهم هستند. در مقایسه با مدلسازی ظریف در معماریهای عاطفی محاسباتی مانند EMA [9] یا فضای PAD، این کار در لایه خروجی ساده عمل میکند.
بینشهای قابل اجرا: برای مدیران محصول، این یک طرح اولیه برای بیان هیجانی MVP است. یک چراغ وضعیت ساده با کدگذاری رنگی را در دستگاه بعدی خود پیادهسازی کنید. برای پژوهشگران، گام بعدی حرکت از تشخیص به تأثیرگذاری است. فقط نپرسید «این چه هیجانی است؟» بلکه بپرسید «آیا این هیجان باعث میشود بهتر/سریعتر/با اعتماد بیشتری همکاری کنید؟» این نمایشگر را با مدلهای رفتاری، مانند مدلهای عاملهای یادگیری تقویتی که با بازخورد کاربر سازگار میشوند، ادغام کنید. علاوه بر این، حلقههای هیجانی دوطرفه را بررسی کنید. آیا الگوی LED میتواند به صورت بلادرنگ با احساسات کاربر که از طریق دوربین یا صدا تشخیص داده میشود، سازگار شود؟ این یک نمایشگر را به یک گفتوگو تبدیل میکند.
الگوی هیجانی را میتوان به عنوان یک تابع وابسته به زمان برای هر پیکسل LED صورتبندی کرد:
$\vec{C}_{i}(t) = (R_i(t), G_i(t), B_i(t)) = \vec{A}_i \cdot f(\omega_i t + \phi_i)$
که در آن:
یک الگوی «خشم» ممکن است از موارد زیر استفاده کند: $\vec{A} = (255, 0, 0)$ (قرمز)، $f$ به عنوان یک موج مربعی با فرکانس بالا، و فاز همگامشده $\phi$ در تمام پیکسلها برای یک اثر چشمکزن یکپارچه. یک الگوی «غم» ممکن است از موارد زیر استفاده کند: $\vec{A} = (0, 0, 200)$ (آبی)، $f$ به عنوان یک موج سینوسی با فرکانس پایین، و یک تغییر فاز آهسته و جاروبی در سراسر پیکسلها برای شبیهسازی یک موج ملایم یا اثر تنفس.
توصیف نمودار (فرضی بر اساس ادعاهای مقاله): یک نمودار میلهای گروهی با عنوان «دقت تشخیص هیجان برای الگوهای LED-RGB». محور x چهار هیجان هدف را فهرست میکند: شادی، خشم، غم، ترس. برای هر هیجان، دو میله درصد تشخیص صحیح را نشان میدهند: یکی برای نمایشگر LED و یکی برای خط پایه سطح تصادف (25%). مشاهدات کلیدی:
میلههای خطا روی هر میله احتمالاً نشاندهنده واریانس آماری بین شرکتکنندگان است. یک نمودار خطی ثانویه میتواند میانگین زمان پاسخ را نشان دهد که تشخیص سریعتر برای هیجانهای با دقت بالا مانند خشم را نشان میدهد.
سناریو: یک ربات همکار (کوبات) در یک فضای کاری مشترک نیاز دارد تا وضعیت داخلی خود را به یک همکار انسانی منتقل کند تا از حوادث جلوگیری کند و همکاری را تسهیل نماید.
کاربرد چارچوب:
این مورد فراتر از تشخیص ساده حرکت میکند تا تأثیر عملکردی نمایشگر هیجانی بر ایمنی و کارایی همکاری را اندازهگیری کند.