CC BY
98Гуманитарная информатика. 2018. № 14. С. 18-26
УДК 004.5
DOI: 10.17223/23046082/14/2
МЕТОДЫ АНАЛИЗА СОЦИАЛЬНОГО ВЗАИМОДЕЙСТВИЯ ЧЕЛОВЕКА И РОБОТА
С.П. Буров
Национальный исследовательский Томский государственный университет, Томск, Россия e-mail: imspambot@gmail.com
Эпоха информационных технологий не только явила миру решения различных проблем, но и заставила нас снова задуматься о собственной человеческой природе, о различиях между человеком и машиной. Роботы находятся на стыке между человеком и машиной, однако в нынешнем своем состоянии они еще далеки от людей. Из-за этого возникает вопрос: каким должен быть робот, чтобы человек мог воспринимать его и взаимодействовать с ним, как с равным себе? Поиск ответа на этот вопрос является важной задачей при создании социального робота. Для решения данной задачи важно понять, как человек оценивает взаимодействие с роботом, для чего существует ряд различных методов взаимодействия, обзор которых был представлен в данной работе.
Ключевые слова: социальная робототехника, принятие технологий, HRI, междисциплинарные методы исследования, социальные роботы.
METHODS FOR ASSESSING SOCIAL HUMAN-ROBOT INTERACTION
Sergey P. Burov
National Research Tomsk State University, Tomsk, Russia e-mail: imspambot@gmail.com
The age of information technology not only showed the world ways to solve various issues, but also made us reflect human nature, think of differences between human and machine. Robots are at the confluence of man and machine, however, in its current state robots are quite far from humans. This leads to the question: what a robot should be like so that human would perceive it and interact with it as an equal? Finding the answer to this question is an important task when creating a social robot. Understanding
how a person interacts with a robot is essential to solve this problem, for which a number of methods is used, thus presented in this work.
Key words: social robotics, technology acceptance, HRI, interdisciplinary research methods, social robots.
О взаимодействии между человеком и роботом, вернее, тогда еще только образом робота, рассуждали еще до появления настоящих, собственно действующих платформ. Сегодня роботы становятся нашей реальностью, а благодаря проникновению технологий в повседневную жизнь усложняется модель отношений человека с машиной.
Социальные роботы - это роботы, призванные имитировать (а в конечном итоге и полноценно заменять) социальное взаимодействие, часто включая эмоциональный компонент, и формировать близкие отношения с людьми. Для этого требуется четко понимать, как протекает процесс социального взаимодействия. Как раз это и исследуется в рамках такого научного направления, как social HRI (social human-robot interaction, социальное взаимодействие человека и робота) [1].
HRI, как следует из названия, занимается изучением взаимодействия человека и робота. Это направление междисциплинарное, поэтому оно основывается на знаниях многих других областей человеческой деятельности, в том числе человеческой коммуникации. Темы, рассматриваемые в рамках последней, оказываются гораздо старше, чем современная робототехника, однако многие из них являются основой для HRI [2].
Задача HRI - создание физически безопасного взаимодействия, social HRI же фокусируется на иной, но не менее важной задаче - обеспечении правильного социального взаимодействия с соблюдением всех норм и учетом культурных различий. Конечная цель - добиться возможности интуитивно и просто общаться с роботом через привычные человеку способы коммуникации: речь, жесты и мимику.
Задача социального робота - обеспечивать социальное взаимодействие во всех его возможных проявлениях как на микро-, так и на макроуровне. Однако ввиду того, что робот не является полноценной заменой человека, а лишь следует заданной упрощенной модели, крайне важно, какие именно механизмы социального взаимодействия закладываются в модель того или иного робота. От этого зависит принятие или непринятие робота человеком. Например, можно наблюдать высокую степень одобрения человеком роботов-питомцев [3, 4], как, скажем, в случае с AIBO, одним из первых коммерчески успешных роботов-компаньонов [5]. Подобная тенденция прослеживается и в исследованиях, где объектом взаимодействия являются дети - они зачастую воспринимают робота как равного и даже способны чему-либо научиться, повторяя за роботом [6-8].
Для исследования особенностей взаимодействия человека и робота в social HRI применяется ряд различных методов. Как отмечалось ранее, social HRI - междисциплинарное направление, поэтому широко применяет методы, используемые в других областях научного знания, а также активно их комбинирует. Все методы можно разделить на две категории: прямые и непрямые, при этом все их можно также классифицировать по степени объективности [9].
К категории прямых методов относятся такие методы, которые позволяют дать оценку непосредственно самому процессу взаимодействия, в частности оценка со слов испытуемого. Данный метод проще и быстрее для проведения, чем более объективные методы, которые будут описаны далее, но дает гораздо менее точные результаты. По окончании эксперимента респонденты отвечают на вопросы анкеты в свободной форме, что затрудняет процесс анализа ответов, поскольку возникает необходимость интерпретировать данные в свободной форме ответы, которые, в свою очередь, обладают высокой долей субъективизма и требуют определенных затрат времени для их «нормализации». С другой стороны, в сочетании с другими методами, которые применяются, например, при анализе текстов, есть возможность выявить некоторые объективные закономерности среди полученных ответов (хотя для этого часто необходим большой набор данных, который формат анкеты не предоставляет). В сочетании с предыдущим может применяться еще один метод - оценка через наблюдение [10]. При этом также не исключается возможность пристрастной оценки наблюдателем, как и возникновение так называемого хоторнского эффекта, который может негативно повлиять на результаты исследования [11]. Данный эффект проявляется в следующем: когда участники эксперимента знают о факте наблюдения за ними, они могут быть склонны вести себя иначе, чем при отсутствии наблюдателя, тем самым искажая чистоту эксперимента.
К объективным методам можно отнести психофизиологические измерения, такие как сердцебиение или сокращения мышц. Робот может подстраивать свое поведение в соответствии с изменением психофизиологических показателей пользователя, что позволяет изменять ход взаимодействия между человеком и роботом [12]. Объективность заключается в том, что участники не имеют возможности сознательно контролировать процессы, происходящие в собственном организме, даже если параллельно применяется метод наблюдения, что позволяет нивелировать вышеупомянутый хоторнский эффект. Тем не менее, несмотря на точность, метод сложнее для реализации, чем представленные ранее. Кроме того, для верной интерпретации данных требуется предварительно получить
информацию о состоянии физического и психологического здоровья участника [13].
Также к прямым методам можно отнести выполнение заданий. Сами задания и критерии их оценки разнятся в зависимости от требуемых целей и задач исследования, в чем проявляется гибкость данного метода. Он подходит для проведения командных исследований с одновременным участием нескольких человек. Но ввиду того, что метод направлен в первую очередь на физическое взаимодействие, он мало пригоден для анализа вербальной коммуникации [14, 15].
Ко второй категории относятся методы, которые позволяют оценивать взаимодействие опосредовано (непосредственное с участие настоящего робота необязательно). Первым таким методом можно назвать Ease of Classification (оценка простоты классификации). По мнению исследователей, в принятии или непринятии человеком роботов в социальном контексте важную роль играет то, насколько просто человек может его классифицировать с первого взгляда. Необходимо, чтобы человек мог быстро определить тип, роль и модель поведения, которой робот будет придерживаться. Для этого предлагается формула, по которой в зависимости от времени, затраченного на определение вышеназванных характеристик робота, высчитывается показатель простоты его классификации. Однако, несмотря на стандартизированность, метод полагается на первые впечатления пользователей, которые по прошествии определенного времени могут измениться [16].
Следующий метод - анализ движений тела. На человеке и роботе закрепляются метки, которые во время контакта отслеживает инфракрасная камера. Полученные данные (о расстоянии между субъектами, длительности зрительного контакта, активности жестов и т.д.) позволяют судить о степени удовлетворенности взаимодействием с роботом и о том, как участники эксперимента реагируют на различные модели поведения. К минусам данного метода можно отнести трудоемкость и времязатратность, которые могут повлиять на поведение пользователя, а также затрудняют проведение исследования с участием большого количества людей [17].
Еще один непрямой метод - использование беседы между роботами как пассивного социального медиума. Например, в исследовании [18] сравнивалось восприятие человеком выступления мандзай (традиционного сценического жанра японской комедии) в исполнении двух роботов и записи аналогичного выступления двух комиков. Затем зрители заполняли анкету о своих впечатлениях. Подобный подход может применяться для имитации различных ситуаций социального взаимодействия, хотя он
достаточно сложен в плане моделирования координации действий двух и более роботов.
Среди прочих более специфических или являющихся комплексными вариациями вышепредставленных методов можно назвать такие, как UTAUT (Unified theory of acceptance and use of technology) [19] или модель Альмере [20]. Первый метод представляет собой анкету, позволяющую определить степень принятия технологий в общем, но также может быть адаптирован для анализа отношения человека к отдельно взятой технологии, например роботу [21]. После проведения анкетирования полученные ответы позволяют рассчитать показатель UTAUT, отражающий уровень принятия технологии. В social HRI этот метод может применяться, например, для сравнения взаимодействия человека с двумя различными роботами и позволяет судить об общем положительном или негативном впечатлении от процесса взаимодействия [22].
Модель Альмере является модифицированной версией модели UTAUT, специально разработанной для выявления степени принятия роботов лицами преклонного возраста. Некоторые из пунктов анкеты и их описания отличаются, а также добавлены новые показатели (например, беспокойство, доверие, полученное удовольствие), важность которых отмечалась в других исследованиях [23, 24].
M. Хееринк (M. Heerink) в статье [25], посвященной данному методу, привел описание серии экспериментов. В одном из них 40 пожилых участников взаимодействовали с роботом iCat. Стоит отметить, что эксперимент проходил в форме Wizard of Oz [26], которая предполагает использование не автономного робота, а удаленно контролируемого человеком (о чем участникам эксперимента, естественно, не сообщается). При этом было выделено две группы по 20 человек, участники каждой из которых взаимодействовали с роботом, который вел себя либо нейтрально, либо выразительно. Полученные результаты позволили сделать вывод о том, что робот, действующий во втором состоянии, сильнее воспринимается как объект социального взаимодействия. Анкетирование проводилось и после другого эксперимента, в ходе которого участникам двух групп демонстрировалось два видео, где робот RoboCare помогал пожилому человеку. В первом робот функционировал в неадаптивном режиме (действовал только по команде), во втором - в адаптивном (сам предлагал помощь при необходимости). Аналогично результаты восприятия у двух групп были различны: участники, смотревшие видео с роботом в адаптивном режиме, были более склонны попробовать систему на практике и в целом относились к роботу более позитивно.
Помимо описанных выше подходов стоит упомянуть возможность адаптации для нужд HRI методов human-computer interaction (HCI) [27], которые могут являться основой для исследования взаимодействия человека с другими технологиями в целом.
Среди названных методов наиболее используемыми в HRI являются оценка со слов испытуемого и оценка через наблюдение. Связано это, скорее всего, с простотой их использования, а также с малым количеством информации о применении методов психофизиологических измерений и выполнения заданий [28].
Для чего же нужно такое разнообразие подходов? Необходимость выбора того или иного метода оценки для проведения исследования обусловлена важностью понимания и учета навыков и ментальных моделей человека, который будет вступать во взаимодействие с роботом [29]. Не менее важную роль играет интерфейс робота, от которого во многом будут зависеть восприятие его человеком и результаты исследования.
Таким образом, рассмотрев различные методы, применяемые в social HRI, можно увидеть междисциплинарный характер данного научного направления. В нем используется опыт таких наук, как психология, нейрофизиология, когнитивистика и др., которые сами по себе могут являться междисциплинарными.
Однако, несмотря на многообразие существующих методов, следует отметить, что в работах по social HRI наблюдаются серьезные проблемы. Первая - малые размеры выборки участников и, соответственно, низкая репрезентативность (часто к участию привлекаются студенты или работники того же вуза, на базе которого проводится исследование). Поэтому часто прибегают к простым методам, таким как наблюдение, из-за чего «за бортом» остаются более объективные, более комплексные методы. Вторая проблема - недостаток применения множественных методов оценки для получения более точной картины [30].
Наконец, сама методология social HRI сформирована не строго. Разные ученые прибегают к разным методам, реализация которых может значительно отличаться от того вида, в каком они представлены в первоисточнике (это обусловливается различиями технических, финансовых, временных и прочих ресурсов, которыми располагают исследователи). Если же выбор падает на разработку собственного метода оценки (особенно в случаях, когда рассматривается какой-либо специфический аспект взаимодействия человека и робота), то такой метод рискует остаться малоприменимым другими исследователями в будущем. Не менее важен тот факт, что самой методологии social HRI посвящено относительно малое количество теоретической литературы. Исследования, относящиеся к
данному научному направлению, чаще основываются на конкретных экспериментах и ограничиваются рассмотрением методов, применяемых в самом исследовании.
В заключение следует отметить: для того, чтобы роботы стали привычной частью человеческой жизни, необходимо, чтобы они умели сопереживать, понимать людей, извлекать уроки из своего опыта - и в итоге стать другом. Важно правильно понимать особенности взаимодействия машины и человека и с учетом этого проектировать социального робота. Ключ к эффективному проектированию и модификации робота, так как робот, особенно социальный, - не то устройство, что создается единожды и не претерпевает никаких изменений, лежит в проведении HRI-исследований и использовании полученных результатов для создания позитивного опыта взаимодействия человека и робота, для чего необходимо решать вышеназванные проблемы social HRI.
ЛИТЕРАТУРА
1. Breazeal C. Social interactions in HRI: the robot view // IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews). 2004. Т. 34, № 2. С. 181-186.
2. Dautenhahn K. Socially intelligent robots: dimensions of human-robot interaction // Philosophical Transactions of the Royal Society of London B: Biological Sciences. 2007. Т. 362, № 1480. С. 679-704.
3. Dautenhahn K. et al. How may I serve you?: a robot companion approaching a seated person in a helping context // Proceedings of the 1st ACM SIGCHI/SIGART conference on Human-robot interaction. ACM, 2006. С. 172-179.
4. Wada K. et al. Effects of robot-assisted activity for elderly people and nurses at a day service center // Proceedings of the IEEE. 2004. Т. 92, № 11. С. 1780-1788.
5. Heerink M. et al. Assessing acceptance of assistive social robots by aging adults : dis. / Universiteit van Amsterdam [Host]. 2010.
6. Moriguchi Y. et al. Can young children learn words from a robot? // Interaction Studies. 2011. Т. 12, № 1. С. 107-118.
7. Kanda T. et al. Interactive humanoid robots and androids in children's lives // Children Youth and Environments. 2009. Т. 19, № 1. С. 12-33.
8. Kanda T. et al. A two-month field trial in an elementary school for long-term human-robot interaction // IEEE Transactions on robotics. 2007. Т. 23, № 5. С. 962-971.
9. Bethel C.L., Murphy R.R. Review of human studies methods in HRI and recommendations // International Journal of Social Robotics. 2010. Т. 2, № 4. С. 347-359.
10. Bethel C.L. et al. Survey of psychophysiology measurements applied to humanrobot interaction // Robot and Human interactive Communication, 2007. RO-MAN 2007. The 16th IEEE International Symposium on. IEEE, 2007. С. 732-737.
11. Johnson B., Christensen L. Educational research: Quantitative, qualitative, and mixed approaches. Sage, 2008.
12. Liu C., Rani P., Sarkar N. Affective state recognition and adaptation in humanrobot interaction: A design approach // Intelligent Robots and Systems, 2006 IEEE/RSJ International Conference on. IEEE, 2006. C. 3099-3106.
13. Bethel C.L. et al. Psychophysiological experimental design for use in humanrobot interaction studies // Collaborative Technologies and Systems, 2007. CTS 2007. International Symposium on. IEEE, 2007. C. 99-105.
14. Burke J.L. et al. Task performance metrics in human-robot interaction: Taking a systems approach. University of South Florida Tampa Center for Robot-Assisted Search and Rescue, 2004.
15. Mutlu B., Terrell A., Huang C.M. Coordination mechanisms in human-robot collaboration // Proceedings of the Workshop on Collaborative Manipulation, 8th ACM/IEEE International Conference on Human-Robot Interaction. 2013.
16. Riek L.D., Robinson P. Robot, rabbit, or red herring? Societal acceptance as a function of classification ease // IEEE RO-MAN Workshop on Robots as Social Actors. 2008.
17. Kanda T. et al. Development and evaluation of interactive humanoid robots // Proceedings of the IEEE. 2004. T. 92, № 11. C. 1839-1850.
18. Hayashi K. et al. Robot manzai: Robot conversation as a passive-social medium // International Journal of Humanoid Robotics. 2008. T. 5, № 01. C. 67-86.
19. Venkatesh V. et al. User acceptance of information technology: Toward a unified view // MIS quarterly. 2003. Vol. 27 (3). C. 425-478.
20. HeerinkM. et al. Relating conversational expressiveness to social presence and acceptance of an assistive social robot // Virtual reality. 2010. T. 14, № 1. C. 77-84.
21. Looije R., Cnossen F., Neerincx M.A. Incorporating guidelines for health assistance into a socially intelligent robot // Robot and Human Interactive Communication, 2006. ROMAN 2006. The 15th IEEE International Symposium on. IEEE, 2006. C. 515-520.
22. De Ruyter B. et al. Assessing the effects of building social intelligence in a robotic interface for the home // Interacting with computers. 2005. T. 17, № 5. C. 522-541.
23. Brown H.G. et al. Towards a sociability theory of computer anxiety: an interpersonal circumplex perspective // System Sciences, 2005. HICSS'05. Proceedings of the 38th Annual Hawaii International Conference on. IEEE, 2005. C. 151a-151a.
24. Nomura T. et al. Measurement of anxiety toward robots // Robot and Human Interactive Communication, 2006. ROMAN 2006. The 15th IEEE International Symposium on. IEEE, 2006. C. 372-377.
25. Heerink M. et al. Assessing acceptance of assistive social agent technology by older adults: the almere model // International journal of social robotics. 2010. T. 2, № 4. C. 361-375.
26. Iio T. et al. Investigating entrainment of people's pointing gestures by robot's gestures using a WOz method // International Journal of Social Robotics. 2011. T. 3, № 4. C. 405-414.
27. Sim D.Y.Y. Emerging convergences of HCI techniques for graphical scalable visualization: Efficient filtration and location transparency of visual transformation //
Information Technology in Asia (CITA 11), 2011 7th International Conference on. IEEE, 2011. C. 1-8.
28. Bethel C.L., Murphy R.R. Use of Large Sample Sizes and Multiple Evaluation Methods in Human-Robot Interaction Experimentation // AAAI Spring Symposium: Experimental Design for Real-World Systems. 2009. C. 9-16.
29. Shiomi M. et al. Group attention control for communication robots // International Journal of Humanoid Robotics. 2008. T. 5, № 04. C. 587-608.
30. Kidd C.D., Breazeal C. Human-robot interaction experiments: Lessons learned // Proceeding of AISB. 2005. T. 5. C. 141-142.
