Impact of Robot Facial-Audio Expressions on Human Robot Trust Dynamics and Trust Repair
作者: Hossein Naderi, Alireza Shojaei, Philip Agee, Kereshmeh Afsari, Abiola Akanmu
分类: cs.RO
发布日期: 2025-12-16
💡 一句话要点
研究机器人面部-音频表情对人机信任动态及修复的影响，面向建筑行业人机协作。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 人机交互 信任动态 情感表达 机器人协作 建筑行业
📋 核心要点
- 现有研究主要将人机协作中的信任视为静态因素，缺乏对协作过程中信任动态变化的指导。
- 通过设计机器人面部-音频表情，在任务成功或失败后表达情绪，观察对人类信任的影响。
- 实验表明，机器人成功提升信任，失败降低信任，道歉表情能部分修复信任，且年龄会影响信任动态。
📝 摘要（中文）
本文研究了机器人在建筑（AEC）行业人机协作中，任务表现及其结果后的表达性反应如何影响人类信任的动态变化。设计了一个受建筑启发的受控实验，包含材料递送（物理辅助）和信息收集（感知辅助）两个任务。使用包含14个条目的HRI信任感知量表和重新委派选择，重复测量信任（每个任务四次）。机器人产生两种多模态表达：成功后显示“高兴”表情并简短确认，失败后显示“悲伤”表情并道歉和请求再试一次的机会。实验在实验室环境中进行，有30名参与者和一个四足机器人平台。评估了两个任务中的信任动态和修复。结果表明，机器人成功可靠地增加信任，失败导致急剧下降，基于道歉的表达部分恢复信任（材料递送任务恢复44%；信息收集任务恢复38%）。项目级分析表明，恢复的信任主要受交互和沟通因素驱动，能力部分恢复，而自主性方面变化最小。此外，年龄组和先前的态度调节了信任动态，年轻参与者表现出更大但持续时间更短的变化，20多岁的参与者表现出最持久的修复，而年长的参与者表现出最保守的动态。这项工作为未来的工作奠定了基础，这些工作将修复策略调整为任务需求和用户资料，以支持在建筑工地安全、高效地采用机器人。
🔬 方法详解
问题定义：本文旨在解决人机协作中，尤其是在建筑行业，如何动态地理解和修复人类对机器人的信任问题。现有方法通常将信任视为静态指标，忽略了任务执行过程中机器人行为和反馈对人类信任的动态影响。这种静态视角无法有效指导机器人行为设计，以应对任务失败等负面事件，从而影响人机协作的效率和安全性。
核心思路：本文的核心思路是探索机器人的面部-音频表情在任务执行成功或失败后对人类信任动态的影响。通过让机器人在成功时表达“高兴”，失败时表达“悲伤”并道歉，研究人员试图模拟人类社交互动中的情感反馈机制，观察这种机制是否能够修复因机器人失败而受损的信任。这种设计基于心理学理论，认为情感表达在人际信任建立和维护中起着重要作用。
技术框架：该研究采用受控实验设计，包括两个建筑相关的任务：材料递送（物理辅助）和信息收集（感知辅助）。30名参与者与一个四足机器人平台进行交互。在每个任务中，机器人可能成功或失败。每次任务后，研究人员使用包含14个条目的HRI信任感知量表和重新委派选择来测量参与者对机器人的信任程度。机器人根据任务结果产生相应的多模态表情（“高兴”或“悲伤”）。实验数据用于分析机器人表情对信任动态的影响，以及不同年龄组参与者对信任变化的反应。
关键创新：该研究的关键创新在于将机器人的情感表达与信任动态联系起来，并量化了不同情感表达对信任修复的影响。与以往研究主要关注机器人能力或可靠性对信任的影响不同，本文强调了情感因素在人机信任关系中的作用。此外，该研究还考虑了用户特征（年龄）对信任动态的调节作用，为个性化人机交互设计提供了依据。
关键设计：实验中，机器人的“高兴”表情包含简短的成功确认，“悲伤”表情包含道歉和请求再试一次的机会。信任感知量表包含多个维度，如能力、可靠性、交互性等，用于细致地评估信任变化。重新委派选择则提供了一个行为指标，反映参与者是否愿意继续信任机器人。数据分析采用重复测量方差分析等统计方法，以评估机器人表情和用户特征对信任动态的显著影响。
📊 实验亮点
实验结果表明，机器人成功会显著提升人类信任，而失败会导致信任急剧下降。道歉表情能够部分修复信任，材料递送任务恢复44%，信息收集任务恢复38%。年轻参与者对信任变化的反应更敏感，而20多岁的参与者表现出最持久的信任修复效果。项目级分析表明，交互和沟通因素在信任恢复中起主导作用。
🎯 应用场景
该研究成果可应用于建筑、医疗、教育等领域的人机协作场景。通过设计具有情感表达能力的机器人，可以有效提升人类对机器人的信任感，提高协作效率和安全性。未来的研究可以进一步探索更复杂的情感表达方式，并根据用户特征和任务需求，自适应地调整机器人的行为策略。
📄 摘要（原文）
Despite recent advances in robotics and human-robot collaboration in the AEC industry, trust has mostly been treated as a static factor, with little guidance on how it changes across events during collaboration. This paper investigates how a robot's task performance and its expressive responses after outcomes shape the dynamics of human trust over time. To this end, we designed a controlled within-subjects study with two construction-inspired tasks, Material Delivery (physical assistance) and Information Gathering (perceptual assistance), and measured trust repeatedly (four times per task) using the 14-item Trust Perception Scale for HRI plus a redelegation choice. The robot produced two multimodal expressions, a "glad" display with a brief confirmation after success, and a "sad" display with an apology and a request for a second chance after failure. The study was conducted in a lab environment with 30 participants and a quadruped platform, and we evaluated trust dynamics and repair across both tasks. Results show that robot success reliably increases trust, failure causes sharp drops, and apology-based expressions partially restores trust (44% recovery in Material Delivery; 38% in Information Gathering). Item-level analysis indicates that recovered trust was driven mostly by interaction and communication factors, with competence recovering partially and autonomy aspects changing least. Additionally, age group and prior attitudes moderated trust dynamics with younger participants showed larger but shorter-lived changes, mid-20s participants exhibited the most durable repair, and older participants showed most conservative dynamics. This work provides a foundation for future efforts that adapt repair strategies to task demands and user profiles to support safe, productive adoption of robots on construction sites.