人机交互中速度适应的文化差异

人雷亚机交互任务中速度适应的文化差异

1 引言

社交机器人的商业化正在快速扩展。这一趋势的一些良好范例是NAO [1]和Pepper [2]，它们可以在博物馆 [3]中欢迎访客并与之互动，或在购物中心[4]提供指引。

由于社交机器人旨在与人类互动，因此必须具备多方面的沟通能力。其中一个关键要素是选择能够最大化人类参与者[5]直观理解与接受度的行为。在这方面，人类特别敏感的一个特征是运动：我们的“移动方式”[6]传递了大量信息。特别是当我们需要相互适应时，运动是一个关键特征。例如，我们在一起行走时会无意识地适应同伴的速度。机器人应能够利用相同的机制[7]，最近的研究证据表明，人形机器人执行的类人启发式动作在人机交互场景[8]中有效促进了直观的时间协调。

然而，必须考虑到最终用户的具体需求可能会因机器人所处环境的不同而有所差异，这可能是由于部署国家之间的文化差异所致。一个例子是肢体语言，东西方文化之间存在非常明显的差异。例如，意大利人在交谈时倾向于使用多种不同的手势，而日本人在社会互动中对身体动作有一套非常特定的规则，如鞠躬。即使是那些不受直接自主控制的隐性信号，如眼球运动，也存在显著差异，例如在社会交流过程中建立直接目光接触的频率。相同的机器人动作在某种文化背景下可能非常有效地促进交互，而在另一种文化背景下则可能造成严重干扰。在本研究中，我们希望评估东西方文化（即日本和意大利）对基于动作的隐性沟通，特别是通过自动模仿产生的涌现式时间协调的相对影响。

1.1 文化差异与机器人

文化差异在社交机器人学领域的许多方面都得到了研究 [14–16]。2004年，卡普兰 [17] 分析了理解人形机器人接受度中可能涉及的文化问题。世界东西方之间，特别是日本与西方之间在机器人感知上的差异，受到文学、哲学和历史等诸多因素的影响。卡普兰在关于这一主题的初步结论中指出，在西方，关于人类与机器之间的区别是什么或不是什么的争论持续不断，且“人类与机器可能的融合既令人着迷又令人恐惧”。“人类与机器可能的融合既令人着迷又令人恐惧”。 另一方面，在日本，尽管技术在日常生活中广泛存在，“人体与技术假体之间始终保持着一定距离”[17]。这也许正是机器人以及更广泛意义上的技术制品通常不会引发怀疑或不安的原因。这些在机器人感知方面的文化差异对机器人平台在教育、娱乐、安全 [15] 等各种应用领域具有明显的影响。

1.2 人与人及人与机器人合作中的运动

在两个人类参与者之间的协作性共同任务中，双方往往会相互调整自己的速度，以达到最佳平衡并有效地实现共同目标。这些行为现象已被深入研究，并被称为“涌现式协调”[18]。特别是，人类在执行无需语言交流的协作任务时表现出 exceptional 的能力。其原因是感知与行动之间联系极为紧密。所谓的“镜像神经元系统”既参与对他人行为的感知、理解和预测，同时也参与动作执行[19, 20]。当人类执行目标导向运动时所激活的神经区域，在观察他人执行相同目标的动作时也会被激活。

这一现象被称为“运动共振”，并在人类婴儿期早期阶段就已出现[21, 22]。它对促进交互具有重要意义，例如自然地使两位参与者以相同的节奏运动[23]，甚至促进专业音乐家和演员之间的同步即兴[24]。以自动模仿形式存在的运动共振（或“不自觉地复制所观察到的动作的倾向”）并不仅限于人类

人类交互，也会在与以生物方式运动并符合我们潜意识预期的智能体交互时被触发[25]。这会导致人类伙伴自动适应机器人速度[13]，或改变自身的运动风格以匹配机器人的运动方式[26]。这意味着与机器人——特别是人形机器人——的交互可以利用与人与人之间的协作中类似的运动共振机制[27]。

1.3 运动共振与文化

本文评估了支持交互的低层次机制（如以自动模仿形式表现的运动共振）是否会受到文化差异的影响。事实上，越来越多的证据表明，神经基础激活的自上而下的调节可能支持涌现性协调。例如，阿莫鲁索等人 [28, 29] 已证明，运动共振并非完全自动的过程，而是可以受到高水平情境表征的调节。此外，社会因素也可能影响运动共振。最近的神经影像学研究表明，镜像系统的激活受到社会群体归属的调节，在观察内群体成员执行动作时的激活程度高于外群体成员 [30, 31]。然而，目前尚不清楚文化差异是否会影响涌现性协调，从而导致不同国家间的行为模式差异，即使是在与同文化伙伴进行联合动作时也是如此。

1.4 研究目的

本研究旨在量化意大利和日本的人‐人形机器人交互中以自动模仿形式表现的适应程度。一名参与者与人形iCub机器人面对面坐在一张桌子旁。他们执行相同的任务：从实验者手中接过乐高积木，并将其放入桌上准备好的盒子中。为了评估适应程度，我们采用了一种成熟的自动模仿测量范式 [8]。我们设置了机器人运动的不同速度，评估参与者在执行任务时是否会自动模仿机器人速度。此外，我们比较了意大利参与者与日本参与者之间的适应率。同时，我们还操控了任务目标，以探究不同文化背景下任务过程中空间共享的影响。在一个条件下，机器人和参与者

必须将乐高积木放入一个大的共享盒子中；在另一种情况下，参与者和机器人将乐高积木分别放入两个不同的盒子中。

如果文化差异影响了 emergent coordination（涌现协调），我们预计意大利样本和日本样本在适应程度上会存在差异。与西方文化相比，日本人对机器人表现出更高的总体接受度。由于接受度，或更确切地说归属感，与模仿和模仿行为密切相关，因此我们假设日本样本在速度模仿方面比意大利样本表现出更高的适应程度。

此外，鉴于两种文化在个人空间感知上的差异，我们还假设在“共享盒子”条件下，目标空间的共享对日本组的影响比对意大利组更强。

2 方法

2.1 实验设计

我们设计了一项实验，要求参与者与人形机器人iCub [34]（见图1）共同完成一项协作任务。人类和机器人面对面坐着，他们的目标是用乐高积木填满一个盒子。每次试验开始时，一名实验者（在意大利和日本分别为不同的人）同时将一块乐高积木放入机器人的手掌张开的手掌中，另一块放入参与者的手掌张开的手掌中。只有当双方都将前一块积木放入盒子，并且都把手放回初始位置后，才能传递下一块积木。通过这种方式，机器人和人类总是在同一时刻开始动作。实验开始时，实验者向参与者说明，机器人和参与者的目标相同，都是用提供的乐高积木填满大盒子或离他们较近的盒子。实验者指出，只有当双方都已将前一块积木放入盒子后，才能获得新方块。关于与机器人的同步动作，未提供任何指导性指令。机器人被预编程为：将积木放在手掌张开的手掌上运输至盒子，将其放入盒中，然后立即返回初始位置。每位参与者共进行6个实验阶段，每个实验阶段包含10次重复，即每阶段将10块乐高积木运送到盒子中。

在不同的实验阶段中，我们操纵了两个因素：机器人速度，可设置为慢速、中速或快速；盒子数量，可设置为一个——对应共享目标空间，或两个——对应独立空间。

各条件的顺序对每位受试者均随机化且唯一。

我们将经过几次预实验后认为合理完成任务的运动速度设为“快速”，然后通过尽量扩大不同条件之间的差异，同时确保“慢速”运动对参与者而言不会显得不自然，来选择“中速”和“慢速”。所有条件下的平均速度如表1所示。该数值在两个国家之间略有不同。这种差异的原因在于使用了两台不同的iCub机器人，而运动速度受到多种因素影响，其中一些因素不在我们的控制范围内，包括机器人的使用年限以及电子系统的底层设置。然而，两次实验中的数值具有可比性，并且机器人在快速与慢速条件之间的相对速度变化非常相似（速度增加分别为54%和57%）。机器人的运动设计灵感来源于生物类人的运动，具体细节见下一节。

2.2 生物运动实现

二分之三幂定律[35, 36]是人体运动的一个众所周知的特征，它关联了椭圆运动的速度和曲率。我们设计了一个模块，使机器人能够利用iCub现有的笛卡尔控制器执行符合该定律的曲线运动[37], leveragingon theexistingCartesiancontrolleroftheiCub [38]。

给定三维空间中的特定轨迹，该模块可将其转换为平滑类人运动，然后通过原始笛卡尔控制器由机器人执行。

由于先前的研究已证明，在人机交互中，此类运动对于引发运动共振和自动模仿至关重要[8, 39]，因此我们特别关注为机器人生成生物合理运动。

表1：不同实验条件下的机器人手部速度：平均值和标准差。	慢速	中速	快速
意大利	0.100 ± 0.008 m/s	0.125 ± 0.007 m/s	0.154 ± 0.009 m/s
日本	0.080 ± 0.008 m/s	0.108 ± 0.004 m/s	0.126 ± 0.006 米/秒

2.3 受试者

实验在意大利（17名受试者）和日本（9名受试者）进行。

由于数据采集的技术问题，我们排除了3名参与者（2名来自意大利，1名来自日本）。两个国家的参与者具有不同的工作背景，包括大学生、实验室技术人员或行政人员。当地机构伦理委员会批准了实验方案，所有受试者在参与前均签署了知情同意书。

– 意大利：平均年龄30岁 ± 5 SD，6名男性，9名女性， 1名左利手，14名右利手。– 日本：平均年龄29岁 ± 9 SD，3名男性，5名女性，均为右利手。

2.4 数据

对于每位受试者，我们使用动作捕捉系统获取了视频记录和运动学数据。视频从两个不同的视角进行录制，以便详细监测受试者的行为。动作捕捉数据包括每个时间帧（100赫兹）的手和臂的三维轨迹及速度，通过四个标记采集：三个位于手部，如图2所示，另一个位于肘部。

动作捕捉系统在意大利使用的是VICON红外相机系统，以100赫兹频率运行；在日本使用的是Motion Analysis MAC3D系统，以200赫兹频率运行。关于机器人运动的数据在两个国家采用了两种不同的采集方式。

在意大利，使用动作捕捉系统并通过四个标记（其中一个在肘部）采集数据，如图2所示。在日本，则通过使用 “yarpdatadumper”模块来采集数据，该模块由机器人设计者创建，用于记录并保存来自机器人的多种类型信息[40]。我们利用该模块记录了机器人手臂关节在特定时间点的数值，并使用机器人设计者提供的专用工具将关节数据转换为三维轨迹和速度[41]。

我们的分析主要集中在两个代理的速度上。从运动学数据中，我们提取了每个动作的开始和结束时刻。我们将开始时刻定义为手处于起始区域时速度的最后一个最小值，而结束时刻则定义为手处于盒子区域时速度的第一个最小值。利用这两个

时间标志点，我们分析了动作中最相关的部分，并计算了每次重复的平均速度。

3 结果

本文旨在分析在代理双方均需将乐高积木放入盒子的协作性联合任务中，对人形机器人的适应情况。图3展示了在“机器人快速”和“机器人慢速”条件下，机器人 （右）与代表性受试者（左）轨迹的一个示例。机器人所遵循的路径非常精确，仅有少量变化，而受试者的轨迹则更加异质（见图3）。

通过对意大利和日本样本中参与者运输轨迹的目视检查，发现在够箱子过程中，不同条件下的轨迹非常相似。在返回起始区阶段，由于未对受试者提供有关此阶段的任何指示，以使实验尽可能自然，因此受试者内部和之间表现出较大的变异性。参与者选择在靠近箱子的位置或其他位置停下，然后返回起始区进行下一次试验 （见图3中的蓝色线条示例）。

“到达盒子”阶段是运动中唯一存在约束的部分：机器人和参与者同时开始动作。

将此视为我们后续速度分析的重点。在接下来的章节中，我们首先介绍从意大利实验分析中提取的结果，然后将其与在日本获取的数据进行比较。

3.1 意大利的人机交互

图4显示了在意大利的所有参与者在不同条件下的平均速度。显然，总体而言，受试者的运动速度明显快于机器人的运动速度（在相应“机器人速度”条件下对受试者速度与机器人速度进行双样本t检验，所有p值<0.05）。

从该图表中还可以观察到一种适应形式：尽管受试者的速度比机器人快，但其运动速度会随着机器人三种不同速度而变化。相反，在使用1个共享箱子或2个独立箱子的情况下执行任务似乎并未引发受试者不同的行为表现。

以受试者速度为因变量，采用格林豪斯‐盖瑟校正的双因素重复测量方差分析（因素“机器人速度”包含三个水平：慢速、中速、快速；因素“箱子数量”包含两个水平：1个共享盒子、2个独立箱子），随后进行图基事后检验，结果显示参与者的运动速度随机器人速度的变化存在显著差异（F(1.95, 27.25)=17.43, p<0.01），特别是在“机器人快速”与“机器人慢速”条件之间（事后 Tukey检验：t(28)=5.79, p<0.01），以及“机器人中速”与“机器人慢速”条件之间（事后Tukey检验：t(28)=3.6, p<0.05）。而箱子数量的影响未达到显著性水平 F(1,14)=0.23, p=0.6)。

来自对个体参与者行为的分析，进一步证明了参与者对机器人速度的自动适应。图5中的图表显示，几乎所有参与者的数据点都位于虚线（恒等线）之上，这意味着他们在“机器人快速”和“机器人中速”条件下的速度高于在“机器人慢速”条件下的速度。

在从总体角度分析均值之后，我们进一步考察了在多次重复过程中可能存在的适应效应。图6中的各个子图表示所有意大利被试在十次动作中的每次动作的均值。

我们并未发现随着重复次数增加出现任何形式的适应，甚至也没有观察到任何特定趋势。为了从统计学上验证这一观察结果，我们分别对“一个箱子”和“两个箱子”条件进行了两次双因素重复测量方差分析（采用 Greenhouse‐Geisser校正），分析的因素为“机器人速度”（3个水平）和“重复次数”（10个水平）。分析结果显示

在两种情况下，交互作用均无显著影响（F(5.32)=1.17， p=0.33 和 F(6.46)=1.04，p=0.41）。此外，“一个箱子” 情况下各重复之间的差异不显著（F(3.71)=2.16，p=0.91），而在“两个箱子”情况下，任务开始到结束时速度略有下降（F(4.16)=3.9，p<0.01）。特别是事后 Tukey检验显示，仅在第一次试验与最后四次试验之间存在显著差异（所有p<0.05）。

3.2 日本

如前几节所述，本研究的重点之一是比较意大利和日本受试者的行为，并调查机器人自动模仿是否受到两国文化差异的影响。在完成对意大利收集的数据的分析后，我们使用日本数据进行了相同的分析。

从图7的柱状图中可以看出，日本的受试者总是比机器人快，并且他们倾向于适应不同的机器人速度。关于 “共享空间”条件，在机器人的三种速度下，“箱子数量”变量似乎没有差异。这些观察结果通过双因素重复测量方差分析（Greenhouse‐Geisser校正）得到证实，该分析以受试者速度为因变量，因素为“机器人速度”和“箱子数量”，结果显示参与者的速度随机器人移动速度的变化而显著变化（F(1.68, 11.74)=7.74, p<0.01），但随箱子数量的变化无显著变化（F(1,7)=2.73, p=0.14）。与意大利被试类似，日本被试在“机器人快速”和“机器人慢速”条件之间存在显著差异（事后Tukey检验： t(14)=4.99, p<0.01），以及在“机器人中速”和“机器人慢速”条件之间也存在显著差异（事后Tukey检验： t(14)=4.55, p<0.05）。

最后，如图8所示，随着重复次数的增加，并未显示出明显的适应效应。对“单盒”条件（F(2.62)=2.7，p =0.08）和“双盒”条件（F(3.83)=1.39，p=0.26）分别进行双因素重复测量方差分析（采用 Greenhouse‐Geisser校正），结果显示重复次数之间均无显著差异，且无任何交互作用（F(5.05)=1.05，p=0.4 和 F(4.42)=1.09，p=0.38）。

3.3 跨文化比较

从前文可以看出，意大利和日本参与者在与机器人交互过程中的行为具有高度相似性：两个群体的行为均受到机器人速度的影响，而共享盒子或两个独立目标空间的存在并未对其行为产生调节作用。

为了直接比较两国之间的适应水平，我们将“快速机器人”和“慢速机器人”条件下所有参与者的个体速度绘制在同一张图中（图10）。从图中可以看出，尽管意大利实验中的机器人速度略快于日本实验中的速度 （见图10和表1中的方块），但平均而言，意大利被试的速度 tends 比日本人慢。除了这一效应外，意大利人和日本人在速度变化上表现出相似的趋势，均根据机器人速度的变化进行适应，这体现在平均标记相对于恒等线的相似相对位置上。

为了量化适应程度，并在两个国家之间进行直接比较，我们针对每位受试者计算了其速度的相对变化，该变化是机器人速度在不同条件下变化的函数。为此，我们对每位参与者的平均速度进行了回归分析。

关于相应机器人速度的三种机器人速度条件，并提取了所得直线的斜率。斜率接近1表示受试者速度的相对变化与机器人在不同条件下的变化相当，意味着较高的适应水平。图11中的茎叶图表示计算出的个体斜率，两组之间的斜率相似。对受试者斜率进行以“箱子数量”为组内因子、“国籍”为组间因子的双因素混合重复测量方差分析（采用格林豪斯‐盖瑟校正）显示：两组受试者之间的适应水平差异不显著（F(1,21)=0.267, p=0.61），共享目标空间的存在也未对其产生显著影响（F(1,21)=0.005, p=0.94）。

3.4 commonstart的影响

实验中一个可能的混杂变量是，根据设计，我们规定每次重复都必须与机器人共同开始。因此，参与者可能会为了使其到达起始区的时间与iCub同步，而在机器人减速时也主动放慢动作。换句话说，他们可能在规划自身动作时隐含了与机器人起始动作协调的目的。如果这一假设成立，我们可以预期那些对机器人速度表现出更强适应性（斜率接近1）的参与者，也会与机器人同步到达起始位置。因此，我们计算了“平均返回时间差”，即机器人和受试者将手返回至起始位置以获取新方块的时间差异。若高斜率（接近1）与较小的平均返回时间差之间存在相关性，则说明他们的减速是出于有意协调。然而，如图11所示，斜率与平均返回时间差的计算结果并未显示出两者之间存在关联。代表适应程度（斜率）的茎线分布，与表示返回时间差异的条形图之间并无明显对应关系。因此，试验过程中每次重复的共同开始时间安排似乎并未影响参与者对机器人速度的适应。

4 讨论

由于相互适应是人类协作中众所周知的效应，我们希望研究当对应方是人形机器人时，是否也能发现类似的反应，以及这种反应是否可以被影响

)

交互发生时的文化背景。日本和意大利文化在对机器人的接受度方面存在显著差异。鉴于接受度与模仿等其他机制之间存在密切关联[32]，我们假设日本样本中的速度适应程度会高于意大利样本。我们的结果凸显了两种主要行为。第一种也是最重要的行为是，人们会根据机器人的运动速度改变自身的运动速度。当机器人运动快速时，人们也会更快；当机器人运动慢速时，人们也会更慢；并且当机器人处于中间速度时，人们的运动速度也介于两者之间。这一发现与已有研究结果一致，表明人类在与具身机器人伙伴交互时倾向于表现出速度适应 [8, 42]，说明该现象可推广至半共享空间中的同时动作。

除了意大利和日本参与者之间的平均速度存在普遍差异（日本人在实验过程中平均移动速度更快）外，两组参与者对机器人速度的适应程度相当。根据这些结果，我们未发现当前任务中适应程度存在文化调节的证据。

第二个结果是，共享动作的目标空间并未影响参与者的行为，无论是对意大利人还是日本人皆如此。

这些研究发现表明，尽管已证实社会群体成员身份和情境表征对运动共振神经基质激活的自上而下的调节作用[28‐31],，但在协作过程中，自动模仿现象在两种不同的文化环境中仍以相似的方式得以保留。

在所测试的环境中均如此。这可能是由于这种低层次机制具有很高的亲社会价值——它可能代表了高效协作建立的基础模块，而在此基础之上，不同文化发展出了不同的社会建构。

值得注意的是，我们并未直接评估人与人之间的互动中的自动速度模仿，而是关注了人机交互。尽管有证据表明在这两种情境下自动速度模仿具有高度相似性[8],，但仍有可能在人际互动情境中存在潜在的文化自上而下的影响，而这种影响并不适用于人与人工代理的合作。

虽然我们不能排除这种可能性，但我们预期会出现相反的现象。事实上，日本人和意大利人在对技术尤其是机器人的看法方面存在显著差异[17]。因此，我们原本预测当交互涉及此类新型人工代理时，文化的影响会更大。未来研究需要进一步探讨文化对人与人之间以及人机环境中的交互的基本隐性机制可能产生的不同影响。

考虑到一个或两个箱子的条件之间没有差异，我们认为这可能是因为尽管单个大箱子是共享空间，但在任务执行过程中并未导致资源使用冲突。即使单个大箱子由受试者和机器人共享，他们也可以将方块放置在自己的一侧，而不会与对方发生空间上的接触。

所描述的任务旨在实现与iCub的生态化交互，考虑到以往许多类似的协作实验仅涉及机械臂或工业场景 [43, 44]。

4.1 局限性

第三方代理在传递方块时扮演主动角色，可能影响了交互过程，尽管实验人员经过训练，以在所有条件下保持一致的刻板方式将物体释放到参与者和机器人的手中。

此外，参与者仅观察到方块被放入他们手中的过程，因为实验者是在受试者完成上一次试验、注视机器人或盒子时拾取方块的。因此，我们认为实验人员的速度不太可能影响了参与者。未来的实验将避免出现可能使结果产生偏差的其他人。另一个需要讨论的问题是参与者数量。由于日本的可用性有限，我们无法在两个国家拥有相同数量的受试者。总体而言，未来测试更多的人将带来更可靠的结果，并允许进行更详细的数据分析，有可能加强我们的研究发现，并改善两国之间的比较。需要注意的是，所选择的任务可能不被视为真正的联合行动，即两个代理明显协作以实现共同目标。然而，两者必须在准共享空间中同时执行动作，而这意味着

一定程度的协调。未来评估更具明确性的协作任务是否更易受到文化差异的影响可能具有相关性。最后，在本实验中，我们仅测量了隐式适应，而未探究参与者的主观感知。此类信息可能有助于更深入地解释行为结果。

5 结论

人类在协作完成协作任务时非常熟练。隐性的涌现协调与显性信号的结合，能够实现良好的协作。本研究旨在探讨在两个文化不同的国家中，人类与人形机器人进行协作任务时是否能够触发涌现适应。通过分析人类速度随机器人速度变化的情况，意大利和日本的受试者表现出相同的适应程度。这表明，由大脑低层次过程管理的这种协调形式不受文化背景的影响。未来的研究需要进一步探索机器人行为在与不同文化交互中的作用，特别是代理手臂运动的性质（是否为生物启发）以及并发身体行为（如眼动）的差异影响。

在机器人上实现相互凝视等自然的社会行为，可能会提升与该机器人的交互质量。在使用此类行为时，必须考虑机器人所处文化背景的特殊性。同一种行为模式在一种文化环境中可能促进人机交互，而在另一种文化环境中则可能产生抑制效应。