LEADOR：一种端到端参与式设计的自主社交机器人方法

人机交互（HRI）中的参与式设计（PD）通常仅限于开发的早期阶段，随后的机器人行为由工程师硬编码，或用于极少实现自主性的 Wizard-of-Oz（WoZ）系统。我们提出 LEADOR（Led-by-Experts Automation and Design Of Robots，专家主导的机器人自动化与设计），一种用于领域专家协同设计、自动化和评估社交机器人的端到端 PD 方法论。LEADOR 从典型的 PD 开始，协同设计交互规范以及机器人的状态和动作空间。随后，它用原位、在线教学阶段取代传统的离线编程或 WoZ，在该阶段领域专家可以在嵌入交互情境的同时现场编程或教导机器人如何行为。我们认为，这种现场教学最好通过向 WoZ 设置中添加学习组件来实现，以捕捉专家的隐式知识，因为他们会直观地响应情境的动态变化。机器人逐步学习到合适的、经专家认可的策略，最终即使在敏感和/或定义不清的环境中也能实现完全自主。然而，LEADOR 对用于促进该学习过程的具体技术方法保持不可知。领域专家在机器人设计中的广泛参与代表了既定的负责任创新实践，无论是在教学阶段还是自主运行时都赋予了系统可信度。这种专家参与与原位开发重点的结合也意味着 LEADOR 支持社交机器人学的共同塑造方法。我们借鉴了先前发表的两项基础性工作，该（可推广的）方法论即源于此，以证明该方法的可行性与价值，提供其应用的具体实例，并指出在新环境中应用该框架时的局限与机遇。