整合感知：面向人机交互的人类中心物理安全模型

确保人机交互（HRI）中的物理安全是培育用户信任、促进机器人系统更广泛采用的关键。传统安全模型主要依赖传感器测量方法，如相对距离和速度来评估物理安全。然而，这些模型往往无法捕捉主观安全感知，这种感知受个体特征和情境因素的影响。在本文中，我们引入并分析了一个具有参数化的通用安全模型，通过将个人化参数 $\rho$ 纳入安全测量框架，以 account 个体差异。通过一系列以假设为导向的人类主体研究（在模拟救援情境中），我们探讨情绪状态、信任度和机器人行为如何影响感知安全。我们的结果表明，$\rho$ 有效捕捉了由情感反应、任务一致性信任以及聚类为 distinct 用户类型所驱动的有意义的个体差异。具体而言，我们的发现确认，具有可预测性和一致性的机器人行为以及引发积极情感状态，显著增强感知安全。此外，反应聚类为少数用户类型，支持基于共享安全模型的自适应个性化。值得注意的是，参与者角色显著影响安全感知，重复暴露会降低身处伤员角色的参与者的感知安全，这强调了物理互动和经验性变化的影响。这一发现突显了整合心理和行为维度的自适应、以人类为中心的安全模型的重要性，为实现安全关键领域更可信、更有效的HRI提供了路径。