A Replicable Robotics Awareness Method Using LLM-Enabled Robotics Interaction: Evidence from a Corporate Challenge
作者: S. A. Prieto, M. A. Gopee, Y. Ben Arab, B. García de Soto, J. Esteba, P. Olivera Brizzio
分类: cs.RO, cs.HC
发布日期: 2026-04-23
备注: 10 pages, 8 Figures, to be submitted for journal per-review
💡 一句话要点
提出基于LLM的人机交互方法，提升非专业人士对机器人技术的认知
🎯 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 大型语言模型 机器人认知 具身智能 挑战式学习
📋 核心要点
- 现有方法缺乏在真实组织环境中，利用LLM赋能机器人技术，结构化地向非专业用户介绍机器人的有效手段。
- 该研究提出一种基于挑战的机器人认知方法，通过LLM驱动的人形机器人交互，让参与者在物流场景中体验人机协作。
- 实验结果表明，该方法能有效提高参与者对机器人和人工智能的兴趣，并改善对人机协作的理解，满意度较高。
📝 摘要（中文）
本文介绍并评估了一种基于挑战的机器人认知方法，该方法通过一个由LLM驱动的人形机器人活动来实现，该活动与阿联酋AD Ports集团的员工一起进行。在活动中，参与者使用通过基于LLM的控制框架解释的语音命令，与物流任务环境中的人形机器人互动。该活动被设计为一种基于团队、角色驱动的体验，旨在让参与者接触到具身人工智能和人机协作，而无需事先具备机器人专业知识。为了评估该方法，一项活动后调查持续了16天，收集了102份回复。结果表明总体接受度很高，满意度高（8.46/10），对机器人和人工智能的兴趣增加（4.47/5），并且对新兴的人机协作形式的理解得到改善（4.45/5）。直接与机器人互动的参与者还报告了自然的互动（4.37/5），并且强烈感觉到随着活动的进行，互动变得更容易（4.74/5）。同时，可靠性和可预测性的较低评分表明未来迭代中存在重要的技术和设计挑战。研究结果表明，基于挑战的、由LLM驱动的人形机器人交互可以作为一种有前景且可复制的方法，用于工业和运营环境中的机器人认知。
🔬 方法详解
问题定义：论文旨在解决如何有效地向非机器人领域的专业人士普及机器人知识，并提升他们对人机协作的认知。现有方法通常需要专业的机器人知识，难以让非专业人士快速理解和参与。此外，缺乏在真实组织环境中进行机器人认知教育的有效手段。
核心思路：论文的核心思路是利用大型语言模型（LLM）作为人机交互的桥梁，设计一个基于挑战的活动，让参与者通过与人形机器人的互动，在实际场景中体验人机协作。通过这种方式，降低了参与门槛，使非专业人士也能轻松参与并理解机器人技术。
技术框架：整体框架包含以下几个主要模块：1) 人形机器人：作为交互的主体，执行参与者的指令。2) LLM控制框架：负责将参与者的语音命令转换为机器人可以理解的指令。3) 物流任务环境：提供一个具体的应用场景，使参与者能够体验人机协作在实际问题中的应用。4) 评估体系：通过问卷调查等方式，评估参与者对机器人技术的认知程度和满意度。
关键创新：该研究的关键创新在于将LLM应用于机器人认知教育，并设计了一个基于挑战的活动，使非专业人士能够通过实际操作来学习和理解机器人技术。与传统的教学方式相比，这种方法更具互动性和趣味性，能够激发参与者的学习兴趣。
关键设计：活动设计为团队合作模式，每个参与者扮演不同的角色，共同完成物流任务。LLM控制框架采用语音识别技术，将参与者的语音命令转换为机器人可以执行的动作。为了评估活动效果，设计了详细的问卷调查，包括对机器人技术的认知程度、对人机协作的理解、以及对活动的满意度等问题。
📊 实验亮点
实验结果显示，参与者对活动的总体满意度较高（8.46/10），对机器人和人工智能的兴趣显著增加（4.47/5），对人机协作的理解也得到了提升（4.45/5）。直接与机器人互动的参与者认为交互自然（4.37/5），并且随着活动的进行，交互变得更容易（4.74/5）。这些数据表明，基于LLM的人机交互方法能够有效提升非专业人士对机器人技术的认知。
🎯 应用场景
该研究成果可应用于企业内部的机器人技术培训、科普教育、以及人机协作系统的用户体验设计。通过类似的方法，可以帮助员工快速了解和掌握机器人技术，提高工作效率，并促进人机协作系统的普及和应用。此外，该方法还可以推广到其他领域，如医疗、教育等，以提升公众对人工智能和机器人技术的认知。
📄 摘要（原文）
Large language models are increasingly being explored as interfaces between humans and robotic systems, yet there remains limited evidence on how such technologies can be used not only for interaction, but also as a structured means of introducing robotics to non-specialist users in real organizational settings. This paper introduces and evaluates a challenge-based method for robotics awareness, implemented through an LLM-enabled humanoid robot activity conducted with employees of AD Ports Group in the United Arab Emirates. In the event, participants engaged with a humanoid robot in a logistics-inspired task environment using voice commands interpreted through an LLM-based control framework. The activity was designed as a team-based, role-driven experience intended to expose participants to embodied AI and human-robot collaboration without requiring prior robotics expertise. To evaluate the approach, a post-event survey remained open for 16 days and collected 102 responses. Results indicate strong overall reception, with high satisfaction (8.46/10), increased interest in robotics and AI (4.47/5), and improved understanding of emerging forms of human-robot collaboration (4.45/5). Participants who interacted directly with the robot also reported natural interaction (4.37/5) and a strong sense that interaction became easier as the activity progressed (4.74/5). At the same time, lower ratings for reliability and predictability point to important technical and design challenges for future iterations. The findings suggest that challenge-based, LLM-enabled humanoid interaction can serve as a promising and replicable method for robotics awareness in industrial and operational environments.