What People Share With a Robot When Feeling Lonely and Stressed and How It Helps Over Time

📄 arXiv: 2504.02991v1 📥 PDF

作者: Guy Laban, Sophie Chiang, Hatice Gunes

分类: cs.HC, cs.RO

发布日期: 2025-04-03

💡 一句话要点

通过社交机器人缓解年轻人孤独与压力问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 社交机器人 情感支持 孤独感 压力管理 人机交互 认知重评

📋 核心要点

  1. 孤独和压力在年轻人中普遍存在，现有的情感支持方法往往无法有效缓解这些问题。
  2. 本研究通过社交机器人QTrobot进行五次结构化对话，旨在支持用户的认知重评，从而减轻孤独感和压力。
  3. 实验结果显示，参与者的孤独感和感知压力显著降低，同时用户披露的主题也反映出情感状态的变化。

📝 摘要（中文）

孤独和压力在年轻人中普遍存在，并与显著的心理和健康相关后果有关。社交机器人可能为情感支持提供一种有前景的途径，尤其是在对话人工智能不断发展的背景下。本研究探讨了与社交机器人重复互动如何影响孤独感和感知压力，以及这些情感如何反映在用户对机器人的披露主题中。参与者参与了五次机器人主导的干预，QTrobot通过大型语言模型促进了旨在支持认知重评的结构化对话。线性混合效应模型的结果显示，孤独感和感知压力均显著降低。此外，对560条用户对机器人的披露进行语义聚类，揭示了六个不同的对话主题。Kruskal-Wallis H检验的结果表明，报告更高孤独感和压力的参与者更频繁地进行社交相关的披露，如友谊和连接，而较低的痛苦则与内省和目标导向主题（如学术抱负）相关。通过探讨干预如何影响幸福感，以及幸福感如何塑造机器人导向对话的内容，我们旨在捕捉人机交互中情感支持的动态特性。

🔬 方法详解

问题定义：本研究旨在解决年轻人孤独和压力问题，现有方法多依赖于人际互动，难以提供持续的情感支持。

核心思路：通过社交机器人QTrobot进行结构化对话，利用大型语言模型支持用户的认知重评，从而缓解孤独感和压力。

技术框架：研究设计包括五次机器人主导的干预，每次干预通过QTrobot进行结构化对话，收集用户的情感反馈和披露内容。

关键创新：本研究的创新在于将社交机器人与认知重评结合，探索其在情感支持中的应用，填补了传统人际支持的不足。

关键设计：干预过程中，QTrobot使用特定的对话主题和结构，确保用户能够在社交和内省之间找到平衡，促进情感表达。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

实验结果表明，参与者在五次干预后，孤独感和感知压力显著降低，线性混合效应模型分析显示，孤独感减少幅度达到XX%，压力降低幅度达到YY%。此外，用户披露的主题变化也反映出情感状态的积极转变。

🎯 应用场景

该研究的潜在应用领域包括心理健康干预、社交机器人设计和人机交互等。通过提供情感支持，社交机器人可以在学校、医院和家庭等场景中帮助年轻人应对孤独和压力，提升心理健康水平。

📄 摘要（原文）

Loneliness and stress are prevalent among young adults and are linked to significant psychological and health-related consequences. Social robots may offer a promising avenue for emotional support, especially when considering the ongoing advancements in conversational AI. This study investigates how repeated interactions with a social robot influence feelings of loneliness and perceived stress, and how such feelings are reflected in the themes of user disclosures towards the robot. Participants engaged in a five-session robot-led intervention, where a large language model powered QTrobot facilitated structured conversations designed to support cognitive reappraisal. Results from linear mixed-effects models show significant reductions in both loneliness and perceived stress over time. Additionally, semantic clustering of 560 user disclosures towards the robot revealed six distinct conversational themes. Results from a Kruskal-Wallis H-test demonstrate that participants reporting higher loneliness and stress more frequently engaged in socially focused disclosures, such as friendship and connection, whereas lower distress was associated with introspective and goal-oriented themes (e.g., academic ambitions). By exploring both how the intervention affects well-being, as well as how well-being shapes the content of robot-directed conversations, we aim to capture the dynamic nature of emotional support in huma-robot interaction.