Point of View: How Perspective Affects Perceived Robot Sociability
作者: Subham Agrawal, Aftab Akthar, Nils Dengler, Maren Bennewitz
分类: cs.RO
发布日期: 2026-03-30
💡 一句话要点
研究视角对机器人社交性的影响：第一人称视角下社交性感知显著降低
🎯 匹配领域: 支柱六：视频提取与匹配 (Video Extraction)
关键词: 机器人导航 社交性感知 第一人称视角 虚拟现实 人机交互
📋 核心要点
- 现有机器人导航验证方法主要采用鸟瞰视角，忽略了行人第一人称视角的真实感受，导致评估结果可能存在偏差。
- 该研究通过VR环境模拟不同视角（鸟瞰、近距离第一人称、远距离第一人称）下的机器人导航，评估行人对机器人轨迹的社交性和干扰性感知。
- 实验结果表明，鸟瞰视角下被认为具有社交性的轨迹，在近距离第一人称视角下可能被认为具有显著的干扰性，点头等社交信号可以有效提升社交性感知。
📝 摘要（中文）
在共享环境中，确保机器人导航的安全性和社交可接受性对于舒适的人机交互至关重要。然而，现有的验证方法通常依赖于鸟瞰（自上而下）视角，无法捕捉到行人在现实世界中遇到机器人时的第一人称主观体验。本文通过研究不同视角如何影响机器人轨迹的感知社交性和干扰性，来解决自上而下验证和第一人称体验之间的感知差距。我们的方法使用沉浸式VR环境，在用户研究中评估自上而下、近距离第一人称和远距离第一人称视角下的相同机器人轨迹。我们对两种不同的导航策略生成的轨迹进行分析，以了解观察到的差异是否是单一轨迹类型独有的，还是更具普遍性。我们进一步研究了用点头手势增强轨迹是否可以弥合感知差距并提高人类舒适度。实验表明，从自上而下视角被评为具有社交性的轨迹，当从近距离第一人称视角体验时，可能会被认为具有显著的干扰性。我们的结果还表明，虽然通过距离会影响感知干扰，但诸如点头之类的交流性社交信号可以有效地增强机器人行为的感知社交性。
🔬 方法详解
问题定义：现有机器人导航的验证方法，例如评估轨迹的安全性与社交性，通常采用鸟瞰视角（allocentric perspective）。这种视角忽略了行人在实际环境中与机器人交互时的第一人称主观体验（egocentric experience）。因此，基于鸟瞰视角的评估结果可能无法准确反映行人的真实感受，导致机器人导航策略在实际应用中出现社交性问题。
核心思路：该论文的核心思路是通过模拟不同的视角，包括鸟瞰视角和第一人称视角，来研究视角对机器人轨迹社交性和干扰性感知的影响。通过对比不同视角下的评估结果，揭示鸟瞰视角评估的局限性，并探索如何通过社交信号（如点头）来提升第一人称视角下的社交性感知。
技术框架：该研究的技术框架主要包括以下几个部分：1) 使用VR环境模拟机器人导航场景，并提供三种视角：鸟瞰视角、近距离第一人称视角和远距离第一人称视角。2) 设计两种不同的机器人导航策略，生成不同的轨迹。3) 通过用户研究，收集用户在不同视角下对机器人轨迹的社交性和干扰性的评价。4) 分析实验数据，比较不同视角下的评估结果，并研究社交信号对社交性感知的影响。
关键创新：该论文的关键创新在于：1) 强调了第一人称视角在机器人导航评估中的重要性，并指出了现有鸟瞰视角评估的局限性。2) 通过VR环境模拟不同视角下的机器人导航场景，为研究视角对社交性感知的影响提供了一种有效的方法。3) 探索了社交信号（如点头）在提升第一人称视角下社交性感知方面的作用。
关键设计：该研究的关键设计包括：1) 选择两种不同的导航策略，以确保研究结果的通用性。2) 设计三种不同的视角，以全面评估视角对社交性感知的影响。3) 使用VR环境提供沉浸式体验，以提高用户研究的真实性。4) 采用量化的评价指标（如社交性和干扰性评分），以便进行统计分析。
🖼️ 关键图片
📊 实验亮点
实验结果表明，在鸟瞰视角下被认为具有社交性的轨迹，当从近距离第一人称视角体验时，可能会被认为具有显著的干扰性。此外，研究还发现，虽然通过距离会影响感知干扰，但诸如点头之类的交流性社交信号可以有效地增强机器人行为的感知社交性。这些发现强调了视角选择和社交信号在机器人导航评估中的重要性。
🎯 应用场景
该研究成果可应用于机器人导航系统的设计与评估，尤其是在人机共存的复杂环境中。通过考虑行人的第一人称视角，可以设计出更安全、更具社交性的机器人导航策略，提升用户体验。此外，该研究也为机器人社交行为的设计提供了指导，例如可以通过添加点头等社交信号来增强机器人的社交性。
📄 摘要（原文）
Ensuring that robot navigation is safe and socially acceptable is crucial for comfortable human-robot interaction in shared environments. However, existing validation methods often rely on a bird's-eye (allocentric) perspective, which fails to capture the subjective first-person experience of pedestrians encountering robots in the real world. In this paper, we address the perceptual gap between allocentric validation and egocentric experience by investigating how different perspectives affect the perceived sociability and disturbance of robot trajectories. Our approach uses an immersive VR environment to evaluate identical robot trajectories across allocentric, egocentric-proximal, and egocentric-distal viewpoints in a user study. We perform this analysis for trajectories generated from two different navigation policies to understand if the observed differences are unique to a single type of trajectory or more generalizable. We further examine whether augmenting a trajectory with a head-nod gesture can bridge the perceptual gap and improve human comfort. Our experiments suggest that trajectories rated as sociable from an allocentric view may be perceived as significantly more disturbing when experienced from a first-person perspective in close proximity. Our results also demonstrate that while passing distance affects perceived disturbance, communicative social signaling, such as a head-nod, can effectively enhance the perceived sociability of the robot's behavior.