1.研究背景

能够与人类进行自然语言交互的社交机器人必须对人类在交流情景中如何使用自然语言非常敏感。然而，“对人类自然语言使用敏感”是一个复杂的多方面问题，范围从低级算法处理细节到高级实用主义原则。虽然在机器人体系结构中已经进行了各种尝试来实现这种策略，目前还不清楚这种策略在人机交互(HRI)环境中是否同样有效。

2.研究方法

2.1 被试
45名塔夫茨大学的学生和工作人员通过一个附属大学的网站被招募。所有受试者均报告健康，右撇子，无脑外伤史。平均年龄21.3岁。

2.2 实验流程
在获得知情的书面同意后，参与者被安装上近红外光谱仪，并使用一顶黑色帽子来固定左右aPFC上的两个近红外光谱仪。然后采集5分钟的基线测量数据，用于后期将原始近红外数据转换为血红蛋白单位。接下来，参与者依次执行四个绘图任务。根据沟通和互动困难的特点，用主观问卷对任务进行划分。为了获得参与者仅对两个机器人的出现(没有听觉交互)的反应的近红外测量值，参与者观看了一系列的MDS和PR2机器人图像（图1）。

图1. 左：MDS机器人；右：PR2机器人

2.3 数据采集和处理
NIRS被用于测量参与者与注意、情绪管理和工作负载相关的神经活动。一个双传感器的近红外设备(Imagent, ISS Inc.)被用于给参与者的前前额叶双边成像。

3.实验结果

基于交互日志，与1PR组相比，1PC组的参与者在绘画上花的时间明显更多。与没有任何礼貌修饰的交流策略相比，礼貌交流策略(间接言语)提高了可爱度和体贴度的评分，降低了攻击性评分，这与研究结果一致。此外，对交流条件的偏好在第一人称互动条件中似乎发生了逆转，对直接言语的偏好略有亲和力。图2显示1PC组比起3PR组显示了上升的血氧反应。

图2.与机器人交互方式的不同带来的影响。

4.结论

这项研究的目的是调查机器人交流策略的影响，如直接和间接言语给人类的建议。在这里，我们特别包括了三个额外的因素——机器人的外观、存在和交互的直接性——因为它们已经被证明可以调节人-机器人交互的有效性。结果证明四个维度都是重要的影响因素，在提供建议的环境中，机器人行为的感知，以及先前从人类观察者观看人-机器人互动视频的实验中获得的关于间接言语行为的结果，不会转移到实际的互动环境中。

5.文献名称及DOI号

Investigating the Effects of Robot Communication Strategies in Advice-giving Situations based on Robot Appearance, Interaction Modality and Distance

DOI:10.1145/2559636.2559670