Kertas kerja ini menyiasat pendekatan pragmatik untuk meningkatkan interaksi manusia-robot (HRI) melalui komunikasi emosi bukan lisan. Premis terasnya ialah penerimaan teknologi boleh ditingkatkan dengan menjadikan interaksi lebih intuitif dan beresonansi secara emosi. Berbanding muka android yang kompleks dan mahal, penyelidikan ini meneroka keberkesanan paparan RGB-LED beresolusi rendah untuk menyampaikan empat emosi asas: kegembiraan, kemarahan, kesedihan, dan ketakutan. Kajian ini mengesahkan sama ada corak warna dan cahaya dinamik boleh dikenali secara konsisten oleh pemerhati manusia sebagai keadaan emosi tertentu, menawarkan alternatif yang menjimatkan kos untuk robot yang mempunyai kekangan rupa bentuk.
Kajian ini distrukturkan untuk menguji secara sistematik perkaitan antara corak cahaya yang diprogramkan dengan emosi yang dirasakan.
Berdasarkan kerja asas dalam pengkomputeran afektif dan psikologi warna (contohnya, [11]), penyelidik memetakan empat emosi asas kepada warna awal:
Selain warna statik, parameter dinamik adalah penting. Corak ditakrifkan oleh:
Peserta manusia ditunjukkan satu siri corak cahaya yang dijana oleh paparan LED. Untuk setiap corak, mereka diminta mengenal pasti emosi yang dimaksudkan daripada empat pilihan atau menunjukkan "tidak diketahui." Kajian ini mungkin mengukur ketepatan (kadar pengecaman), masa tindak balas, dan mengumpul maklum balas subjektif tentang keintuitifan setiap corak.
Paparan terdiri daripada grid LED RGB, menawarkan kawalan warna penuh per piksel. Aspek "beresolusi rendah" membayangkan grid yang cukup kecil (contohnya, 8x8 atau 16x16) untuk menjadi abstrak namun mampu menunjukkan bentuk, kecerunan, atau corak sapuan yang mudah, berbeza daripada skrin muka definisi tinggi.
Sebuah mikropengawal (seperti Arduino atau Raspberry Pi) diprogramkan untuk menjana corak emosi yang telah ditetapkan. Parameter kawalan yang dihantar kepada pemacu LED termasuk nilai RGB ($R, G, B \in [0, 255]$) untuk setiap LED dan arahan masa untuk dinamik.
Kertas kerja melaporkan bahawa sebahagian daripada emosi asas yang dipertimbangkan boleh dikenali oleh pemerhati manusia pada kadar yang jauh melebihi kebarangkalian rawak (25%). Ini membayangkan emosi seperti kemarahan (Merah, kelipan pantas) dan kesedihan (Biru, pudaran perlahan) mungkin mempunyai kadar pengecaman yang lebih tinggi disebabkan perkaitan warna budaya dan psikologi yang kuat.
Analisis statistik (contohnya, ujian Chi-square) mungkin digunakan untuk mengesahkan bahawa kadar pengecaman bukan rawak. Matriks kekeliruan mungkin mendedahkan salah klasifikasi tertentu, contohnya, "ketakutan" dikelirukan dengan "kemarahan" jika kedua-duanya menggunakan corak frekuensi tinggi.
Komen peserta memberikan konteks di luar ketepatan mentah, menunjukkan corak mana yang terasa "semula jadi" atau "mengganggu," memaklumkan penambahbaikan kepada pemetaan emosi-ke-corak.
Kelebihan utama sistem ini ialah kos rendah, penggunaan kuasa rendah, ketahanan tinggi, dan fleksibiliti reka bentuk. Ia boleh disepadukan ke dalam robot apa jua bentuk, dari lengan industri ke robot sosial mudah, tanpa kesan "uncanny valley" yang kadangkala dikaitkan dengan muka realistik.
Batasan termasuk perbendaharaan kata emosi yang terhad (hanya emosi asas), potensi kepelbagaian budaya dalam tafsiran warna, dan sifat abstrak yang memerlukan sedikit pembelajaran pengguna berbanding pengecaman muka semula jadi.
Kerja ini selari dengan tetapi memudahkan penyelidikan terdahulu seperti pada Geminoid F [6] atau KOBIAN [10]. Ia menukar ekspresiviti bernuansa muka penuh dengan kesemestaan dan kepraktisan, serupa dengan falsafah di sebalik ekspresi robot "berkekangan rupa" [4, 7, 8].
Inti Pati: Penyelidikan ini bukan tentang mencipta robot emosi; ia adalah tentang kejuruteraan kemampuan sosial. Paparan LED adalah "antara muka" minimalis yang bijak yang memanfaatkan heuristik manusia sedia ada (warna=emosi, kelajuan kelipan=keamatan) untuk menjadikan keadaan mesin boleh dibaca. Ia adalah satu bentuk reka bentuk komunikasi antara spesies, di mana "spesies" itu adalah agen buatan. Sumbangan sebenar adalah mengesahkan bahawa walaupun isyarat visual yang terhad, jika direka dengan teliti, boleh mencetuskan atribusi emosi yang konsisten—satu penemuan dengan implikasi besar untuk HRI berskala besar dan kos rendah.
Aliran Logik: Logik kertas kerja ini kukuh tetapi konservatif. Ia bermula dari premis yang sudah lazim bahawa emosi membantu penerimaan HRI [2,3], memilih palet emosi paling asas, dan menggunakan pemetaan paling langsung (psikologi warna). Eksperimen ini pada dasarnya adalah ujian kebolehgunaan untuk pemetaan ini. Alirannya terlepas peluang untuk meneroka keadaan yang lebih kabur atau kompleks, di mana sistem sedemikian benar-benar boleh bersinar melangkaui meniru muka.
Kekuatan & Kelemahan: Kekuatannya ialah pragmatisme elegannya. Ia menyampaikan penyelesaian berfungsi dengan potensi aplikasi segera. Kelemahannya ialah ambisi penyiasatannya yang terhad. Dengan hanya memfokuskan pada ketepatan pengecaman empat keadaan asas, ia memperlakukan emosi sebagai isyarat statik untuk dinyahkod, bukan sebagai bahagian dinamik interaksi. Ia tidak menguji, contohnya, bagaimana paparan mempengaruhi kepercayaan pengguna, prestasi tugas, atau penglibatan jangka panjang—metrik yang sangat penting untuk "penerimaan." Berbanding dengan pemodelan bernuansa dalam seni bina afektif pengiraan seperti EMA [9] atau ruang PAD, kerja ini beroperasi pada lapisan output yang mudah.
Pandangan Boleh Tindak: Untuk pengurus produk, ini adalah cetak biru untuk ekspresi emosi MVP. Laksanakan lampu status berwarna kod mudah pada peranti anda yang seterusnya. Untuk penyelidik, langkah seterusnya adalah beralih dari pengecaman kepada pengaruh. Jangan hanya tanya "emosi apa ini?" tetapi "adakah emosi ini membuatkan anda bekerjasama lebih baik/lebih cepat/dengan lebih percaya?" Integrasikan paparan ini dengan model tingkah laku, seperti daripada agen pembelajaran pengukuhan yang menyesuaikan diri dengan maklum balas pengguna. Tambahan lagi, terokai gelung emosi dua hala. Bolehkah corak LED menyesuaikan diri secara masa nyata kepada sentimen pengguna yang dikesan melalui kamera atau suara? Ini mengubah paparan menjadi perbualan.
Corak emosi boleh diformalkan sebagai fungsi berubah masa untuk setiap piksel LED:
$\vec{C}_{i}(t) = (R_i(t), G_i(t), B_i(t)) = \vec{A}_i \cdot f(\omega_i t + \phi_i)$
di mana:
Corak "kemarahan" mungkin menggunakan: $\vec{A} = (255, 0, 0)$ (merah), $f$ sebagai gelombang segi empat frekuensi tinggi, dan $\phi$ yang disegerakkan merentasi semua piksel untuk kesan kelipan bersatu. Corak "kesedihan" mungkin menggunakan: $\vec{A} = (0, 0, 200)$ (biru), $f$ sebagai gelombang sinus frekuensi rendah, dan perubahan fasa perlahan dan menyapu merentasi piksel untuk mensimulasikan gelombang lembut atau kesan pernafasan.
Penerangan Carta (Hipotesis berdasarkan dakwaan kertas): Satu carta bar berkumpulan bertajuk "Ketepatan Pengecaman Emosi untuk Corak RGB-LED." Paksi-x menyenaraikan empat emosi sasaran: Kegembiraan, Kemarahan, Kesedihan, Ketakutan. Untuk setiap emosi, dua bar menunjukkan peratusan pengecaman betul: satu untuk paparan LED dan satu untuk garis dasar tahap kebarangkalian rawak (25%). Pemerhatian utama:
Bar ralat pada setiap bar mungkin menunjukkan varians statistik dalam kalangan peserta. Satu graf garis sekunder boleh menggambarkan purata masa tindak balas, menunjukkan pengecaman lebih pantas untuk emosi ketepatan tinggi seperti kemarahan.
Skenario: Sebuah robot kolaboratif (cobot) di ruang kerja bersama perlu menyampaikan keadaan dalamannya kepada rakan sekerja manusia untuk mengelakkan kemalangan dan melancarkan kolaborasi.
Aplikasi Kerangka:
Kes ini melangkaui pengecaman mudah untuk mengukur kesan fungsian paparan emosi terhadap keselamatan dan kecekapan kolaborasi.