通过注意力迁移模型及时纠正机器人错误以修复人类信任

在人-机器人协作（HRC）中，人类对机器人的信任是人类对机器人以期望性能执行任务的预期。更高水平的信任会增加人类操作者分配任务、共享计划以及在机器人执行过程中减少中断的意愿，从而促进人与机器人在身体与心理上的融合。然而，由于现实世界干扰，机器人不可避免地会犯错，降低人类信任并进一步影响协作。信任是脆弱的，当机器人表现出任务执行能力不足时容易触发信任丧失，使得信任维护具有挑战性。为维持人类信任，本研究基于人-机器人注意力迁移（H2R-AT）模型与用户信任研究，开发了信任修复框架。该框架的原理是及时的错误纠正可恢复人类信任。借助 H2R-AT，机器人定位人类言语关切并及早做出错误纠正，以避免任务失败并最终提升人类信任。用户信任研究测量行为纠正前后的信任状态以量化信任损失。机器人实验设计涵盖四类典型错误：错误动作、错误区域、错误位姿与错误空间关系，验证了 H2R-AT 在机器人行为纠正中的准确性；开展了含 $252$ 名参与者的用户信任研究，并评估了纠正前后信任水平的变化。人类信任修复的有效性通过错误纠正准确率与信任提升程度进行评估。