A Robot-Led Intervention for Emotion Regulation: From Expression to Reappraisal
作者: Guy Laban, Julie Wang, Hatice Gunes
分类: cs.HC, cs.RO
发布日期: 2025-03-23 (更新: 2025-06-30)
💡 一句话要点
社交机器人辅助认知重评，提升情绪调节能力
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 社交机器人 情绪调节 认知重评 人机交互 大型语言模型
📋 核心要点
- 情绪调节能力对心理健康至关重要，但传统方法认知负担重，难以推广。
- 本研究利用社交机器人和GPT-3.5，引导学生进行认知重评，从而调节情绪。
- 实验表明，与机器人互动能显著提升情绪调节能力，改善情绪状态和情感表达。
📝 摘要（中文）
情绪调节是日常生活中管理情绪的关键技能，但由于其认知需求，寻找一种建设性和易于访问的方法来支持这些过程仍然具有挑战性。本研究探索了在大学宿舍和院系等结构化但熟悉的环境中，与社交机器人进行的定期互动如何通过认知重评为情绪调节提供有效的支持。21名学生参与了一项为期五次的实验，地点在大学宿舍或院系，机器人（由大型语言模型GPT-3.5驱动）促进结构化的对话，鼓励学生重新解释他们与机器人分享的情感事件。定量和定性结果表明，情绪自我调节能力显著提高，参与者表示对自己的情绪有了更好的理解和控制。干预显著改变了建设性的情绪调节倾向，并在每次会话后对情绪和情感产生了积极影响。研究结果还表明，与机器人的重复互动鼓励了更大的情感表达，包括更长的语音披露、更多情感语言的使用和更高的面部唤醒。值得注意的是，表达遵循与重评过程一致的结构化模式，表达在关键的重评时刻达到顶峰，尤其是在提示参与者重新解释负面经历时。定性反馈进一步强调了机器人如何促进内省，并为讨论情绪提供支持空间，使参与者能够面对长期回避的情感挑战。这些发现证明了机器人在熟悉环境中有效协助情绪调节的潜力，提供情感支持和认知指导。
🔬 方法详解
问题定义：本研究旨在解决情绪调节方法难以推广的问题，现有方法通常认知负担重，难以在日常生活中应用。研究关注的痛点在于如何提供一种更易于访问和更具支持性的情绪调节干预手段。
核心思路：核心思路是利用社交机器人作为媒介，通过结构化的对话引导参与者进行认知重评。机器人利用大型语言模型（GPT-3.5）生成自然语言回复，鼓励参与者重新审视和解释负面情绪事件，从而改变其情绪反应。这种方法旨在提供一个安全、支持性的环境，促进参与者进行内省和情感表达。
技术框架：整体框架包含以下几个主要阶段：1) 招募参与者并在大学环境中进行实验；2) 机器人通过预设的对话流程与参与者互动，鼓励他们分享情感事件；3) 机器人利用GPT-3.5生成回复，引导参与者进行认知重评；4) 通过定量（情绪量表）和定性（访谈）方法评估干预效果。
关键创新：关键创新在于将社交机器人与大型语言模型相结合，用于情绪调节干预。与传统的情绪调节方法相比，这种方法更具互动性和个性化，能够提供持续的情感支持和认知指导。此外，研究还关注情感表达模式，发现情感表达与认知重评过程存在关联。
关键设计：实验中，机器人使用GPT-3.5模型，并针对情绪调节场景进行了微调。对话流程设计为结构化但灵活，允许参与者自由表达情感，同时引导他们进行认知重评。研究人员使用情绪量表（具体量表名称未知）来评估情绪状态，并通过面部表情分析和语音分析来量化情感表达。
🖼️ 关键图片
📊 实验亮点
实验结果表明，与机器人进行五次互动后，参与者的情绪自我调节能力显著提高，情绪状态得到改善。参与者报告对自身情绪有了更好的理解和控制。此外，研究还发现，与机器人的重复互动鼓励了更大的情感表达，包括更长的语音披露、更多情感语言的使用和更高的面部唤醒。情感表达在关键的重评时刻达到顶峰。
🎯 应用场景
该研究成果可应用于心理健康咨询、教育辅导、康复治疗等领域。社交机器人可以作为一种辅助工具，为用户提供个性化的情绪调节支持，尤其适用于那些难以获得传统心理咨询服务的人群。未来，该技术有望集成到智能家居、可穿戴设备等平台，实现随时随地的心理健康监测和干预。
📄 摘要（原文）
Emotion regulation is a crucial skill for managing emotions in everyday life, yet finding a constructive and accessible method to support these processes remains challenging due to their cognitive demands. In this study, we explore how regular interactions with a social robot, conducted in a structured yet familiar environment within university halls and departments, can provide effective support for emotion regulation through cognitive reappraisal. Twenty-one students participated in a five-session study at a university hall or department, where the robot, powered by a large language model (GPT-3.5), facilitated structured conversations, encouraging the students to reinterpret emotionally charged situations they shared with the robot. Quantitative and qualitative results indicate significant improvements in emotion self-regulation, with participants reporting better understanding and control of their emotions. The intervention led to significant changes in constructive emotion regulation tendencies and positive effects on mood and sentiment after each session. The findings also demonstrate that repeated interactions with the robot encouraged greater emotional expressiveness, including longer speech disclosures, increased use of affective language, and heightened facial arousal. Notably, expressiveness followed structured patterns aligned with the reappraisal process, with expression peaking during key reappraisal moments, particularly when participants were prompted to reinterpret negative experiences. The qualitative feedback further highlighted how the robot fostered introspection and provided a supportive space for discussing emotions, enabling participants to confront long-avoided emotional challenges. These findings demonstrate the potential of robots to effectively assist in emotion regulation in familiar environments, offering both emotional support and cognitive guidance.