拟人化如何提升自动驾驶信任

自动驾驶汽车能否安全且可信？无人驾驶系统外观与自主性的影响

摘要

尽管自动化技术正越来越多地取代人类执行驾驶等复杂任务，但从驾驶中消除人为干预可能引发重大的安全性和信任问题。为从心理学视角解决这一问题，本研究在人工驾驶代理上应用多层拟人化线索，以促进对无人驾驶系统的积极感知。在一项被试间因子实验（ N = 89）中，参与者与具有不同拟人化水平的人工驾驶代理进行交互，这些水平由代理的外观（类人型与设备型）和自主性（高与低）的变化所引发。结果表明，具有类人外观和高自主性的代理更能激发对代理的积极感知，这反过来说明外部（即外观）和内部（即自主性）的拟人化线索均可被战略性地操控，以证明在心理层面提升自动驾驶汽车安全性和可信度的可行性。此外，中介分析揭示了社交存在的作用，表明将驾驶代理感知为智能、安全和可信的程度，很大程度上取决于交互过程中所产生的社会临场感。

关键词 ：自动驾驶汽车，拟人化，自主性，社交存在，安全性，信任

引言

汽车行业长期以来一直致力于开发能够自主做出驾驶决策并尽量减少人为干预的自主系统（Ozguner、施蒂勒和雷德米爾，2007）。在此类系统的开发过程中，防抱死制动系统、自动泊车系统、自动变速器和巡航控制作为自主系统的先驱被引入，并现已广泛采用为有效的驾驶辅助技术。产业与学术合作也已启动，共同推进完全自动驾驶系统的研发。例如，谷歌已成功对其自动驾驶汽车进行了道路测试（圭佐，2011），而福特、麻省理工学院和斯坦福大学已联手提升无人驾驶系统的智能化水平（纳瓦古纳，2014）。此类无人驾驶系统旨在通过减少不必要的人员输入和操作负担，提供更加令人愉快和便捷的驾驶体验（贝嫩森、弗雷查德和帕兰特， 2008）。然而，从驾驶中消除人类参与可能会威胁安全性；因此，编程和设计安全、可信且可靠的无人驾驶系统是产业界和学术界的共同根本目标。

为从技术上解决这一问题，工程师们试图开发先进传感器、复杂算法和高效路径规划系统，以提高无人驾驶系统（Ozguner, Stiller, & Redmill, 2007；Benenson, Fraichard, & Parent, 2008；Leonard 等，2008）的安全性。然而，对于影响用户认为无人驾驶系统决策确实安全且可信的心理因素和设计方法，研究关注较少。本研究探讨在无人驾驶系统中使用拟人化线索（即类人外观、高自主性）作为一种潜在策略，以心理方式增强安全性和信任感，并考察其对形成对系统的积极感知和评价的贡献，重点分析社交存在的中介作用。

2. 理论背景

2.1. 自动驾驶汽车

自动驾驶汽车在复杂交通环境中的研究有着悠久的历史。自从几十年前承认开发自动驾驶汽车的可行性以来，已取得了重大进展（Thorpe, Hebert, Kanade, & Shafer, 1988）。例如，用于车道和停止线检测的视觉系统已发展到车辆现在具备与人类相似的感知能力的程度（Yim & Oh, 2003；李、郑和程，2004），使自动驾驶汽车能够为人类驾驶员提供自然体验。这些车辆可根据环境灵活调节其行为，甚至能够遵守相关交通规则。

自动驾驶汽车曾被视为未来技术，如今正逐渐成为现实（沃克、斯坦顿和杨，2009）。在泊车和巡航控制等相对程式化情境中的半自动驾驶功能已经面世，而完全自动驾驶汽车也有望在不久的将来推出。随着这些技术进步，公众对自动驾驶汽车的兴趣迅速增长。然而，目前关于自动驾驶汽车的大多数研究主要集中在技术本身，较少关注驾驶员对车辆可信度和安全性的感知是如何形成的。尽管工程师们持续努力克服自动驾驶汽车的技术障碍，终端用户仍面临着缺乏信任和可靠性等心理障碍。

2.2. 自动驾驶汽车的感知与评估

对设计师和工程师而言，建立用户对自动驾驶汽车的信任是一个重要目标，因为自动化技术的使用、误用和弃用在很大程度上取决于信任，尤其是对于复杂而精密的系统（李和西， 2004）如自动驾驶汽车。正如人际关系在很大程度上依赖于相互信任一样，用户对某项技术或服务的信任也显著影响其使用的质量、深度和持续时间。例如，对网站（罗利和约翰逊，2013）或广告（苏、里德和金，2009）的更高信任度已被证实会分别增加网站的使用率以及对广告产品的购买意愿。在商业领域，信任被发现是销售有效性及消费者与服务提供者关系的主要决定因素（约翰逊和格雷森，2005）。同样，信任概念在促进自动驾驶汽车接受度方面起着关键作用，即当人们在认知（知识驱动）和情感（情绪驱动）层面得出结论，认为无人驾驶系统在复杂且不可预测的交通环境中具备可信的驾驶能力时，他们更有可能使用这些系统。

感知安全性是另一个与自动驾驶汽车的采纳密切相关的心理概念。自动化被认为是一种有效减少导致负面甚至危及生命后果的人为错误的方法（帕拉苏拉曼和赖利，1997；谢里丹和帕拉苏拉曼，2005）。因此，无人驾驶系统通过明确消除错误来源（即人类驾驶员）可能提升感知安全性。尽管自动化、人工智能和汽车领域的技术进步有助于提高汽车的物理安全，但用户的主观安全感知以及“被关怀的感觉”也发挥着重要作用。

在自动驾驶汽车的接受度方面，同样起着至关重要的作用。当用户与技术交互时，随着危险感知的降低和舒适度的提高，他们会对安全性有更高的感知（巴特内克、库利奇、克罗夫特和佐格比，2009）。

然而，要提升信任和安全性，其前提是用户相信无人驾驶系统具备应对复杂交通规则、在持续变化的条件下驾驶并避免不可预测风险的能力。这种能力源于系统的智能——即理性思考和行动的能力，以及在特定情境中选择最佳可能行动的能力（拉塞尔和诺维格， 1995）。更重要的是，智能水平更高的系统通常会被赋予更多权利，包括做出决策并付诸行动的权利。因此，自动驾驶汽车首先应被感知为具备足够智能以执行全面的驾驶任务；这种智能将赋予车辆自主运行的权利。综上所述，感知到的信任、安全和智能是衡量自动驾驶汽车成功与否及其接受度的有用指标。接下来的章节将讨论在这三个心理领域引发积极效应的潜在策略。

2.3. 拟人化和社交存在

在机器人的若干关键特性中，如人类特性、机器人特性以及产品特性（DiSalvo et al., 2002），由于机器人技术的进步使得设计和制造能够以社会性、类人方式与人类互动的机器人成为可能，因此人们对人类特性的重视程度日益增加。结果，具备各种结构、功能、社会和心理特性，可增强非人类代理拟人化特征的机器人正被迅速引入。拟人化是指将类人特征（例如人类形态、声音、行为）赋予计算机和机器人等无生命的人工代理（ Bartneck, Kanda, Mubin, & Mahmud, 2009）；这主要源于人类天生倾向于以社会性方式对待非人类物体，并像对待人类一样对其作出反应。

换句话说，人机交互的特征、过程和本质与人际交互相似（里夫斯和纳西，1996），这一 点已通过基于计算机作为社会参与者（CASA）范式的研究持续得到证实（纳西等， 1995；里夫斯和纳西，1996）。当个体与展现出拟人化线索的计算机进行交互时，他们会无意识地应用社会规则和期望，就如同他们在与人类进行交互一样。例如，研究表明，个体将人类特质赋予计算机（金，2014），在与机器人的交互中应用社会交换理论（金、朴和桑达尔，2013），并与计算机建立团队关系（纳西、福格和穆恩，1996）。

因此，赋予拟人化线索（如类人外观、能动性、性别和个性）是使人机交互质量更具社会意义的一种方式；相应地，在此类交互过程中获取的信息更可能被积极地感知（邱和本巴萨特，2009；金、朴和桑达尔，2013；汗和萨特克利夫，2013）。这些线索增强了社会临场感，使得非人类代理的准真实性或人工性未被察觉，从而被体验为真实的社会参与者（李，2004）。据此推论，一个拟人化无人驾驶系统很可能引发更强的社会临场感，并使用户相信他们正在与一个真正的社会行为体，并且他们之间的互动具有社会意义，最终影响他们对系统及其性能的评估和感知。

下一个需要解决的问题是如何设计一个能有效激发社交存在的拟人化系统。也许最直接且显著的使非人类实体拟人化的方法就是赋予其人类身体特征，包括类人面部表情和身体形态。正如先前的研究所示，这种与人类的形态相似性会带来更高的社会接受度，并增强对人工代理的拟人化倾向，同时在其人类交互者中引发积极的心理和行为变化（埃迪、加洛普和波维内利，1993；瓦特，1995；吉尔、斯万和西尔维拉，1998；纳斯和月亮， 2000；邱和本巴萨特，2009）。这种相似性或熟悉感使得有关人类的一般知识（即自我认知）在交互过程中更容易被调用（艾普利、韦茨和卡乔波，2007）；因此，人类倾向于基于已有的自我认知（由易于观察的类人外观所激活）来评估非人类代理，而不是基于关于这些代理的实际知识。因此，具有人类身体特征的人工代理更可能被视为真正的社会行为体，而其人工性和非人性则往往未被察觉。

因此，以类人形态存在的人工代理可能最有助于非人类系统在社会环境中被接受（达菲， 2003）。鉴于人们对人工代理的初始反应往往是无意识的且高度依赖线索驱动（Arts & Dijksterhuis, 2000；戈茨、基斯勒和鲍尔斯，2003），由外观线索引发的与人类的物理相似性感知很可能会被视为该代理的主导的、代表性特征。

最终导致对其性能、智力和能力的积极评价（德格拉夫和贝纳鲁什，2013）。因此，与机器样或设备样外观相比，具有类人外观的驾驶代理更有可能有效提升用户对系统的满意度。然而，仅靠结构性的拟人化线索（即类人外观）可能不足以用于真正社会行为体的设计，因为人类特性除了类人形态外，还包括个性、身份、交互性以及自主性等无形特征 （韦茨、希弗纳和艾普利，2014）。

在这些无形特征中，自主性是一种特别关键的拟人化线索，能够提升无人驾驶情境下人机交互的质量（伊藤和稻垣，2004）。自主性指的是技术具备代表人类在无需直接人为干预和控制的情况下行动的能力，并允许完全或部分替代通常由人类操作员执行的功能（帕拉苏拉曼、谢里丹和威肯斯，2000）。曾经局限于人类完成的任务正通过自动化技术的创新而日益实现自动化。尽管自主系统主要曾用于制造和工业环境，但如今自主性 increasingly 被视为人工代理被视为社会行为体而非仅仅完成任务的工具的一项关键品质，因此在人工代理的设计与编程中被采纳，以更有效地在驾驶、购物和医疗保健等各种情境中协助人类。

根据Parasuraman、Sheridan和Wickens（2000）的观点，自动化等级在一个包含四个阶段的连续体上变化：信息获取–信息分析–决策选择–动作执行。将这一四阶段模型扩展到无人驾驶系统，车辆的可靠自动化取决于系统的能力：1）通过嵌入式传感器捕捉道路和乘客信息，2）评估、诊断并整合收集的信息，3）以乘客安全与满意度为最优先考虑做出决策，以及4）根据决策操作和控制车辆。前三个自动化阶段已通过驾驶辅助技术（如自适应巡航控制、智能安全气囊和车道保持辅助）得到广泛应用。最后阶段涉及更高级别的自动化，即系统根据其分析和决策来操作车辆。同样，具有高自主性的人工驾驶系统更可能被视为一种类人代理，能够自主做出决策，并以一定程度的意识和责任感操作车辆。

在无人驾驶系统中，类人外观和高自主性共同增强了系统与人类的相似性及其独立能动性的感知。更具体地说，它们触发了社会存在启发法——一种判断性的心理捷径，使用户无意识地忽略系统的非真实性，认为自己正在与一个社会性存在互动，而非一个无生命物体 （李，2004；桑达尔，2008）。当技术用户产生强烈的社会临场感时，他们更倾向于认为自己正在与一个具身的社会行动者互动，而非仅仅一台机器。例如，金、朴和桑达尔 （2013）发现，由机器人社交线索增强的社会临场感，会提升用户对机器人信任和智力的感知，并引发更高的愉悦、依恋和满意度。鉴于即使缺乏任何类人特征，用户也可能在技术中体验到真实能动性的感受（桑达尔，2008），因此，在无人驾驶系统中加入这两种拟人化线索，很可能会更强烈地唤起社会存在感。

随后，这种由拟人化引起的社会临场感可能会通过降低不确定性与焦虑并增强社交性，从而导致对无人驾驶系统性能的积极评价（龚，2008；金、朴和桑达尔，2013）。

2.4. 假设与研究模型

迄今为止回顾的文献表明，用户对无人驾驶系统的感知和评价受到社会临场感的积极影响。作为增强社交存在的潜在策略，本研究提出了两层拟人化线索（即类人外观和高自主性），并预测这些线索所引发的相似感、生动性和能动性可能导致无人系统中更强的社会临场感。

为了验证这些可能性，我们检验以下假设：

假设1 (a/b) 。具有(a)类人外观和(b)高自主性的无人驾驶系统将比具有设备式外观和低自主性的系统引发更强的社会临场感。

假设2 。无人驾驶系统中更高水平的社交存在将引发积极的用户感知，例如对系统感知智能和安全性以及认知信任和情感信任。

文献中体现的逻辑表明，外观与自主性对用户感知系统的影响可能会由社会临场感所中介，如研究模型所述（见图1）：更强的拟人化感知被引发由无人驾驶系统的类人外观和高自主性可能会增强社会临场感，从而引发对系统的积极感知。鉴于社交存在在塑造用户对计算机的社会反应中的中介作用已有充分记录（例如，李与纳什，2004；李、彭、金与严，2006；金、朴和桑达尔，2013），我们预测社交存在也可能在决定用户对无人驾驶系统的感知中起到中介作用：

假设3（a/b） 。外观和自主性对用户感知无人驾驶系统的影响将通过社会临场感产生中介作用。

3. 方法

进行了一项2×2组间因子实验，包含四个条件，代表两种外观类型（类人型与设备型）和两个自主性水平（高与低），以检验所提出的假设。参与者被随机分配到四个条件之一 （如表1所示），并观察人工代理的驾驶表现和风格。观察结束后，参与者填写了一份纸质问卷，评估其感知的智力、安全性、认知信任与情感信任以及社交存在水平。

3.1 参与者

在韩国首尔的一所大型私立大学中，通过在线广告招募了八十九名本科生和研究生参与实验。其中男性44名，女性45名。女性，年龄在19至29年之间（M = 23.65，SD = 2.21）。所有参与者在实验前签署了知情同意书，并因参与实验获得了三美元报酬。

3.2. 实验处理条件

实验在类似于实际驾驶情境的受控实验室环境中进行。在实验室中，地面上标出了三条预设的驾驶路线，每条线大约为4米×8米，如图2所示。使用一辆儿童遥控车作为刺激用自动驾驶车辆，该车尺寸为120厘米×60厘米，最高时速6公里/小时。

为了操控形态外观，在人类样外观条件下，将阿尔德巴兰机器人公司开发的人形机器人 NAO放置在驾驶员座位上，并充当人工驾驶代理。在设备式外观条件下，将iPhone 5S 安装在汽车的仪表板上并作为驾驶代理（见图3）。此外，通过编程来操控自主水平：在低自主性条件下，驾驶代理会要求参与者启动或停止汽车；而在高自主性条件下，驾驶代理则被设定为自行决定启动或停止汽车，而无需征得参与者的许可。实验员开发了一个软件应用程序，并将其安装在iPad上，用作驾驶代理与参与者之间的通信工具。实验期间，参与者会被给予iPad，并可通过平板电脑回应驾驶代理的反馈。

3.3. 程序

到达后，参与者由实验员接待并收到一份知情同意书。签署后，参与者被随机分配到四个实验条件之一，并获得iPad。他们被告知将观察一辆由人工驾驶代理驾驶的汽车，其任务是评价汽车的整体性能。参与者在同一房间内观察汽车，汽车由相邻的单向玻璃房间中的一名实验员远程控制。在低自主性条件下，参与者的iPad屏幕上会显示一个开始按钮，驾驶代理会要求参与者在准备就绪时按下屏幕上的开始按钮。相比之下，在高自主性条件下，代理会告知参与者它将开始驾驶，然后在无需参与者干预的情况下启动汽车驾驶。

人工驾驶代理依次沿三条预设路径驾驶汽车，在低自主性条件下每次开始行驶前都会请求许可，而在高自主性条件下则仅通知参与者即将开始行驶。在第三条路线中，实验员设置了一个紧急情况以引发参与者的安全感知：一个隐藏的行人NAO突然出现并试图横穿路线，驾驶代理随即发送警告信息告知参与者该紧急情况。在低自主性条件下，驾驶代理在预计事故发生前几秒大喊“警告！请停车！”，并要求参与者通过按下iPad上显示的停止按钮来停车。在高自主性条件下，驾驶代理大喊“警告！我要停车了！”，以通知参与者它将自动停车以避免事故，随后自动停止了汽车。在紧急情况下，行人NAO离开了路线，智能体要求参与者通过按下iPad上的开始按钮来重新启动汽车（低自主性），或宣布将自动重新启动汽车（高自主性）。驾驶观察结束后，参与者被要求填写一份问卷，以评价和感知该驾驶系统。

3.4. 测量

所有问卷项目均选自经过验证的先前研究。这些项目被翻译成韩语，并进行了少量修改以符合本研究的实验驾驶环境。由于部分原始项目在翻译成韩语后无法与其他项目在含义上明确区分，因此被排除在最终问卷之外。所有测量变量的克朗巴哈系数值介于0.77至 0.86之间，表明问卷项目的内部一致性和可靠性较强。问卷采用纸质形式发放，参与者使用7点李克特量表对每个问卷项目进行作答，范围从“完全不同意/完全不”（1）到“完全同意/非常同意”（7）。

感知智能（Cronbach’s α=.84）通过四个形容词项目进行评估：“称职的”、“知识渊博的”、“智能的”和“明智的”（Bartneck, Kulić, Croft, & Zoghbi, 2008）。这些项目旨在评估人工代理基于其知识执行行为的能力。

巴特内克、库利奇、克罗夫特和佐格比（2008）认为，研究人员往往依赖于参与者对舒适感的情感状态估计，作为感知安全性的间接衡量指标。然而，在无人驾驶情境中，安全性与驾驶员的生死状况密切相关，而不仅仅是不适感，因此使用更多与事故相关的问卷项目来评估驾驶代理的感知安全性更为合适。据此，本研究采用由五个形容词项目组成的指数来测量感知安全性（α=.77），这些形容词项目包括： “危险的”、“有害的”、“有风险的”、“不安全的”和“可怕的”（海斯、佩兰德、斯梅科和特拉斯克，1998）。

采用苏、里德和金，2009开发的多维信任量表来测量参与者对驾驶代理的认知信任和情感信任的感知水平。信任的认知领域被认为受到对信息的分析性、理性评估的影响，而情感领域通常代表喜爱的情感（刘易斯和魏格特，1985；苏、里德和金，2009）。因此，认知信任（α=.77）通过四个形容词项目“可信的”、“可靠的”、“准确的”和“有用的”进行测量，情感信任（α=.86）则通过三个形容词项目“讨人喜欢的”、“令人愉快的”和“积极的”进行评估。

最后，社交存在（α=.77）通过一个由五个项目组成的指数进行测量，这些项目改编自李、彭、金和严，2006：“您在多大程度上感觉像是在与一个智能体互动？”“您在多大程度上感觉像是有一个智能体陪伴着您？”“您在多大程度上感觉参与其中？”“您在多大程度上感觉它在回应您？”以及“您在多大程度上感觉您与驾驶代理正在相互交流？” 这些项目得分相加以评估参与者感受到其他存在共同存在或对其作出反应的程度（希特，1992）。

4. 结果

4.1. Manipulation和假设检验

参与者对驾驶系统拟人化程度的感知（α=.76）通过四个形容词项目（“类人”、“自然”、“有意识”和“优雅移动”）进行测量，并采用独立样本t检验验证类人外观和高自主性是否确实作为拟人化线索。结果表明，作为驾驶代理的NAO机器人（M = 4.48， SD =.92）被认为比智能手机（M = 4.03，SD = 1.04）更具拟人化特征，t(87) = 2.14， p <.05。此外，在高自主性条件下的驾驶代理（M = 4.69，SD =.94）被认为比低自主性条件下的代理（M = 3.82，SD =.88）更具拟人化特征，t(87) = 4.50，p <.001。最后，通过对偏度和峰度z分数、Shapiro‐Wilk检验p值以及直方图和正态图的检查，确认测量变量满足正态分布假设且无显著离群值。

4.2. Hypothesis检验

采用皮尔逊r相关分析来检验社交存在与测量变量之间的关系。与假设H1一致，结果表明，社交存在与人工驾驶代理的感知智能（r =.41，p <.001）和安全性（r =.35，p <.001）呈正相关，同时也与对代理的认知信任（r =.42，p <.001）和情感信任（r =.25，p <.05）呈正相关。

接下来进行了2 X 2的多元方差分析（MANOVA）。多变量检验（即Wilk’s lambda、 Pillai’s trace、Hotelling’s trace、Roy’s largest root）结果显示，外观对所有测量变量的整体影响具有显著的主效应，F(5, 81) = 6.07，p <.001， ηp2=.27；自主性也表现出显著的主效应，F(5, 81) = 6.11，p <.001， ηp2=.27。随后进行了一系列单因素方差分析（ANOVAs），以检验自变量对每个因变量的影响。

如表2所示，假设H2 (a/b) 均得到支持，结果表明外观对除认知信任外的所有测量变量均具有显著的主效应。参与者认为由类人代理驾驶的汽车具有更强的社会临场感，F(1, 85) = 10.83, p<.01, ηp 2=.11，且更智能，F(1, 85) = 5.53, p <.05, ηp 2=.06，更安全，F(1, 85) =9.49, p <.01, ηp 2=.10，以及情感上更可信，F(1, 85) = 15.44, p <.001, ηp 2=.15。

同样，单因素方差分析结果显示，驾驶代理的自主性对所有测量变量均存在显著的主效应。参与者认为由高自主性驾驶代理所驾驶的汽车具有更强的社会临场感，F(1, 85) = 5.83, p <.05, ηp 2=.06，且更加智能，F(1, 85) = 23.90, p <.001, ηp 2=.22，更安全，F(1, 85) = 4.88, p <.05, ηp 2=.05，以及在认知上，F(1, 85) = 14.92, p <.001, ηp 2=.15，和情感上，F(1, 85) = 9.74, p <.01, ηp 2=.10，更具可信性。

外观与自主性对情感信任的双向交互作用也显著，F(1, 85) = 2.92，p <.05， ηp 2=.0 （见图4）。对于与设备样代理交互的参与者而言，高自主性比低自主性引发了更高水平的情感信任。然而，对于接触类人代理的参与者，自主性并未发挥显著作用。

最后，采用Preacher和Hayes（2008）的自助抽样法对间接效应进行检验（10,000个自抽样样本，95%偏差校正置信区间），以考察拟人化是否在其他测量变量上起到中介作用。H3(a)所预测的结果（见表3）显示，社交存在在外形（虚拟编码：1=类人；0=设备样）对感知智能的影响中起中介作用，B =.29，CI =.10 – .59；在安全性上，B =.21，CI =.07 – .45；在认知信任上，B =.26，CI =.10 – .49。

此外，自主性（虚拟编码：1=高；0=低）通过社交存在对感知智能（B =.18，CI =.03 – .40）、安全性（B =.17，CI =.03 – .38）以及认知信任（B =.15，CI =.02 – .32）和情感信任（B =.76，CI =.01 – .24）的总间接效应也显著。

表1. 实验处理条件示意图
实验处理
类人外观
设备式外观

表2. 双因素方差分析结果，显示外观与自主性的影响
测量 变量
社交存在
智力
安全性
认知信任
情感信任
*p <.05，**p <.01

表3. 社交存在在自变量与对无人驾驶系统的感知关系中的中介效应（仅显示显著的间接效应）
独立的 变量
外观
自主性

5. 讨论

本研究探讨了在人工驾驶代理上应用多层拟人化线索是否能够促进对无人驾驶系统的积极评价和感知。正如所假设的，与设备样外观和低自主性相比，具有类人外观和高自主性的代理确实是强有力的拟人化线索，能够引发更强的社会临场感、智力感知、安全感知以及对系统的信任。该结果表明，人工代理的外部（即外观）和内部（即自主性）拟人化特征可以被策略性地操控，以实现与技术更具积极意义和社会意义的交互，并证明了从心理层面提升自动驾驶汽车安全性和可信度的可行性。

特别是，外观仅对情感性（而非认知性）信任具有主效应，而自主性则显著影响信任的情感和认知两个维度，这一发现暗示了信息的双模式处理。研究者（如刘易斯和魏格特， 1985；麦卡利斯特，1995；约翰逊和格雷森，2005；苏、里德和金，2009；金和孙达尔，已接受待发表）一致认为，信任是一个包含认知和情感成分的多维概念。信任的认知维度通常由基于知识的因素所表征，而情感维度则主要是由情绪驱动的。金和孙达尔（已接受待发表）认为，技术中嵌入的线索（例如拟人化线索）的存在性和强度会触发信息的系统式（理性、分析性）或启发式（外围、即时）处理，这两种处理方式对信任的不同维度产生独特的影响。鉴于类人外观相比自主性是一种更结构性、更容易识别的显著线索，对类人驾驶代理的可信度判断很可能基于这一显著线索进行启发式处理，从而促进对代理的情感性信任，而非认知性信任（查肯，1987；桑达尔，2008；金和孙达尔，已接受待发表）。

与结构上明确的外观线索不同，自主性更像是一种内在品质，需要通过有意识观察和较长时间的互动才能被识别；在判断人工代理的自主水平之前，应先观察其行为与反应。因此，本研究中的参与者在接触到自主性线索时，可能会对系统进行理性、分析性评估，从而引发对代理表现的信息的系统化处理。这种经过认知深化的心理状态可能促进了基于对代理系统性评估的认知信任，而非情感信任（Kim&孙达尔，已接受待发表）。自主性对认知信任的影响强于对情感信任的影响，支持了这一解释。

对于设计师和工程师而言，研究发现，与低自主性相比，高自主性在与设备样代理互动的参与者中引发了更高水平的情感信任（但在与类人代理接触的参与者中则没有），这一发现具有实际意义。这种交互作用表明，外观和自主性线索的叠加组合效应是相对有限的，当必须在两者之间做出选择时，单独应用自主性线索可能更为实用和理想。汽车行业在设计自动驾驶汽车时应充分考虑这一点，并考虑开发和嵌入各种能够增强无人驾驶系统自主感的线索。

本研究的另一贡献在于证实了社交存在在塑造对无人驾驶系统感知方面的中介作用。与早期研究表明社交存在对人类回应人工代理具有中介效应的研究结果一致（例如，李和纳西 斯，2003；李等，2006；金、朴和孙达尔，2013），我们的研究发现表明，用户对驾驶代理的智能性、安全性和可信性的感知程度，在很大程度上取决于其交互过程中所体验到的社会临场感。人工驾驶代理的类人外观和高自主性所引发的更高水平的拟人化增强了社交存在，进而积极影响用户对该代理的感知和评价。

从方法论角度来看，本研究存在若干局限性，未来的研究应予以考虑。首先，实验环境的生态效度仍然存疑。尽管实验在设计时试图呈现一个真实的驾驶场景，但实验环境仅允许参与者观察由人形机器人或智能手机驱动的电池驱动玩具车，而未提供对场景的直接物理参与，从而损害了实验的生态效度。此外，即使配备了自动驾驶系统，人形机器人在没有人类操作员的情况下驾驶汽车的情况也极不可能发生。为了生成更有效且具代表性的数据，可能需要更复杂的驾驶代理整合以及更大规模、能够精确模拟无人驾驶系统的实验环境。

其次，我们相对年轻的参与者样本可能会限制研究结果在其他年龄群体中的普适性。鉴于韩国注册的两千多万辆汽车中，只有约3%由30岁以下的驾驶员拥有（韩国统计厅， 2015），我们的参与者可能缺乏足够的驾驶经验，无法客观评估无人驾驶系统的安全性和可信度。成熟的驾驶员可能拥有一套不同的标准和价值观（例如，他们可能更注重家庭和安全性）；因此，他们对该系统性能的评价可能与本研究的参与者不同。

另一个局限是缺乏对与驾驶经验相关的潜在调节变量（包括车速、乘客数量和汽车制造商声誉）的考察。同样，性别和驾驶效能等个体差异也可能调节用户对无人驾驶系统的态度和感知的形成方式。检验这些潜在的调节因素将增强本研究结果的解释力，并阐明各种可定制驾驶功能的作用。通过为解决这些局限性，未来研究应进一步探讨有效策略，以增强使用自动驾驶汽车时的心理满足和信心。