对机器人面孔的新研究有助于解决“恐怖谷”的争论

疯狂型机器人脸上的恐怖谷。拟合曲线显示了可爱度(图A;实验1B)和信任激励行为(面板B;实验1 c)。实线曲线代表最佳拟合多项式回归模型,阴影区域表示95%置信区间。虚线表示模型只适合50张低情绪面孔的数据。图C显示了实验1A中位数评分时间与MH分数的关系;垂直线标出了与最高评分时间和最低受欢迎程度相关的MH分数。

疯狂型机器人脸上的恐怖谷。拟合曲线显示了可爱度(图A;实验1B)和信任激励行为(面板B;实验1 c)。实线曲线代表最佳拟合多项式回归模型,阴影区域表示95%置信区间。虚线表示模型只适合50张低情绪面孔的数据。图C显示了实验1A中位数评分时间与MH分数的关系;垂直线标出了与最高评分时间和最低受欢迎程度相关的MH分数。

如今,机器人专家正在制造一些惊人的人形机器人,但我们中的许多人都有过这样一种不安的经历:瞥一眼这些现代科技的奇迹,却发现自己浑身起了恶心的疙瘩。事实上,我们更希望家里有可爱的初级机器人(比如Wall-E和Furby)。
但是,是什么让一些人形机器人如此令人毛骨悚然呢?自1970年提出以来,“恐怖谷”的概念就被用来解释这一现象。这一理论推测,那些外表接近人类,但却有一些缺陷的机器人——比如,眼球跳动或奇怪的皮肤一致性——可能会让人深感不安,也许是因为它们似乎生活在无生命和有生命之间一个无法分类的模糊地带。从直觉上看,恐怖谷的概念很有吸引力,并且已经从机器人设计领域传播到流行文化中,例如,用来解释《极地快车》(The Polar Express)角色的怪异。然而,通过实验证明恐怖谷效应的尝试产生了不一致的结果,恐怖谷的存在一直存在争议。

本研究旨在通过两个互补实验来验证恐怖谷是否真实,以克服过去研究中的重要局限性。首先,为了避免只比较少数选定的机器人或使用数字成像来创建不可能的人类和机器人的变形的问题,作者收集了80个真实世界的人形机器人面孔的不同样本,涵盖了从完全机械到无法区分的人类的全部范围,并要求受试者对他们的受欢迎程度进行评分。事实证明,这些数据与预测中的恐怖谷相似:在某种程度上,人们更喜欢像人类的机器人,而不是混乱的电路,但当它们太接近人类时,人们就会强烈讨厌它们。从那时起,只有与人类几乎没有区别的机器人才能从恐怖谷中逃脱,再次变得可爱。在第二个补充实验中,他们在一组严格控制的6张面孔中证实了恐怖谷效应,这些面孔只是在机械和人类外表的程度上有所不同。

Fig-2-Mathur

受控制的面孔系列(a)中,可爱度(B)和信任驱动的投注(C)的恐怖谷。误差条代表95%的置信区间。共享相同字母注释的面孔在结果上没有显着差异(基于最小二乘均值的tukey校正t检验)。

人们可能会说他们认为机器人是可爱的,但这真的会影响测试人们在实际情况下愿意对机器人给予多少信任吗?这项研究采用了博弈论科学的方法,设计了一种方法来衡量投注游戏中受试者对每个机器人的信任程度。对于每一张机器人脸,受试者都有固定的假想货币禀赋。他们被告知,他们可以选择把多少钱寄给实验室里的每个机器人,实验者会把这笔钱增加三倍,然后机器人会决定把多少钱(如果有的话)还给受试者。实验对象被告知,如果他们在这个游戏中表现良好,他们将获得一笔真正的奖金。然后,研官方manbetx手机版究人员可以推断,从实验对象那里得到更多钱的机器人被认为更值得信赖。研究发现,与受欢迎程度类似,人们不愿信任恐怖谷中的机器人。但这种影响不如讨人喜欢那么明显,而且更加微妙,显示出对机器人所表现出的情绪和面部表情等因素的敏感性。

这对我们未来的机器人社会意味着什么?我们如何确保在我们生活中扮演重要角色的机器人,比如那些提供家庭医疗护理、远程手术或搜索和救援工作的机器人,在真正重要的时候赢得我们的社会关注和信任?这些都是悬而未决的问题,但这项研究表明,恐怖谷可能是一个真正的问题,我们必须认真对待它的影响,因为我们正朝着更好地理解机器人未来的社会发展。

出版

与机器人伙伴一起导航社交世界:恐怖谷的定量制图。
Mathur MB, Reichling DB
2015年9月21日

脸谱网 推特 linkedin 邮件 脸谱网 推特 linkedin 邮件

留言回复