A Mentalistic Interface for Probing Folk-Psychological Attribution to Non-Humanoid Robots
作者: Giulio Pisaneschi, Pierpaolo Serio, Estelle Gerbier, Andrea Dan Ryals, Lorenzo Pollini, Mario G. C. A. Cimino
分类: cs.RO, cs.AI, cs.HC
发布日期: 2026-03-26
备注: Preprint submitted to IEEE. 8 pages, 21 figures
💡 一句话要点
提出一种心理主义界面，用于研究对非人形机器人的心理归因
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 人机交互 心理归因 非人形机器人 大型语言模型 实验平台
📋 核心要点
- 现有方法难以有效探究人类如何对非人形机器人进行心理归因，缺乏可控的实验环境。
- 该研究构建了一个平台，通过改变对机器人行为的解释框架（心理主义、目的论、机械论）来研究其影响。
- 该平台通过模拟机器人、真实任务环境和基于LLM的解释层，提供了一个可控的实验环境。
📝 摘要（中文）
本文提出了一种实验平台，用于研究对非人形机器人的意向状态归因。该系统结合了一个模拟机器人、逼真的任务环境以及基于大型语言模型的解释层，这些解释层可以用心理主义、目的论或机械论的术语来表达相同的行为。通过保持行为不变，同时改变解释框架，该平台提供了一种受控的方式来研究语言和框架如何影响机器人技术中意向立场的采用。
🔬 方法详解
问题定义：该论文旨在解决如何系统性地研究人类对非人形机器人进行心理状态归因的问题。现有的研究方法通常难以控制实验变量，例如机器人的行为、任务环境以及对机器人行为的解释方式，从而难以准确评估不同因素对心理归因的影响。此外，缺乏统一的平台来比较不同解释框架（如心理主义、目的论和机械论）对人类认知的影响。
核心思路：该论文的核心思路是构建一个实验平台，该平台能够控制机器人的行为，并提供不同的解释框架来描述机器人的行为。通过保持机器人的行为不变，并改变解释框架，研究人员可以研究语言和框架如何影响人类对机器人的心理归因。这种方法能够更清晰地揭示人类认知过程中的潜在机制。
技术框架：该平台包含三个主要组成部分：1) 一个模拟机器人，用于执行预定义的任务；2) 一个逼真的任务环境，用于模拟真实世界的场景；3) 基于大型语言模型的解释层，用于生成不同类型的解释（心理主义、目的论和机械论）。用户可以观察机器人在任务环境中的行为，并阅读由LLM生成的解释。然后，用户可以根据自己的理解对机器人进行心理状态归因。
关键创新：该论文的关键创新在于将大型语言模型应用于机器人行为的解释，并构建了一个可控的实验平台来研究不同解释框架的影响。与以往的研究相比，该平台能够更灵活地生成各种类型的解释，并提供更精确的控制变量，从而更有效地研究人类的心理归因过程。
关键设计：LLM被用于生成三种类型的解释：心理主义解释（例如，“机器人想要到达目标”），目的论解释（例如，“机器人为了到达目标而移动”），以及机械论解释（例如，“机器人根据预设的算法移动”）。通过调整LLM的prompt，可以控制生成的解释的风格和内容。实验中，研究人员会记录用户对不同解释的反应，并分析这些反应与心理归因之间的关系。
🖼️ 关键图片
📊 实验亮点
该论文的主要亮点在于构建了一个可控的实验平台，能够系统性地研究不同解释框架对人类心理归因的影响。通过该平台，研究人员可以更深入地了解人类认知过程，并为机器人设计提供有价值的指导。
🎯 应用场景
该研究成果可应用于人机交互设计、机器人伦理学和人工智能安全等领域。通过了解人类如何对机器人进行心理归因，可以设计更自然、更易于理解的机器人交互界面。此外，该研究还可以帮助我们更好地理解人类对人工智能的信任和接受程度，从而促进人工智能技术的健康发展。
📄 摘要（原文）
This paper presents an experimental platform for studying intentional-state attribution toward a non-humanoid robot. The system combines a simulated robot, realistic task environments, and large language model-based explanatory layers that can express the same behavior in mentalistic, teleological, or mechanistic terms. By holding behavior constant while varying the explanatory frame, the platform provides a controlled way to investigate how language and framing shape the adoption of the intentional stance in robotics.