41、社交与模块化机器人任务中的发散性思维评估

社交与模块化机器人任务中的发散性思维评估

1. 配置编码与编辑距离定义

在研究中，为了将配置数据转化为可分析的语料以理解学习目标，采用了特定的编码方式。配置数据按照“FXXX - CCCC”的格式进行记录，其中“XXXX”从“000”到“066”表示不同的配置形状，“CCCC”则用“B”（电池）、“W”（轮子）、“S”（传感器）和“I”（逆变器）表示立方体在配置中的排列。例如，对于相同形状“F000”，可以有不同的块放置方式，如“F000 - ISBW”和“F000 - WSBI”。

编辑距离（ED）是一种常用的字符串相似度检索方法，它表示将一个字符串转换为另一个字符串所需的最少插入、删除和替换操作次数。在计算 ED 时，需要找到两个字符串之间的最优路径。在本研究中，由于配置是 3D 对象，字符串中的字母可能处于不同的空间平面，因此即使字符串相同，不同配置之间的 ED 也可能不为零。例如，从“F000 - ISBW”到“F010 - ISBW”的 ED 不为零。

为了研究配置之间的转换，将删除、组装和旋转（仅针对一组立方体）视为对应“成本”或努力的操作。这种 ED 方法应用于教育机器人的 CreaCube 任务中，旨在克服心理测量测试的局限性，分析涉及不同类型材料或思考对象的实际任务，包括“视觉 - 空间建构游戏对象”（VCPOs），如积木、砖块和木板等，还可扩展到有形交互式模块化机器人，以支持人机交互（HRI）活动中的发散性思维（DT）评估。

2. 研究问题与假设

本研究旨在通过结合对 DT 的三个组成部分（流畅性、灵活性和创新性）的分析，以及对 ED 和配置编辑时间的分析，来描述创造性问题解决（CPS）过程。具体假设如下：