REX：为机器人故障设计用户导向的修复与解释

在真实环境中，机器人不断与多个用户交互并遇到变化，导致无法满足用户请求时出现意外冲突。近期技术进步（如大语言模型（LLM）、程序综合）提供了各种自动生成修复方案的方法来解决此类冲突。本文通过两个用户研究，探讨了如何设计自动化修复与解释以改善用户与机器人故障的交互体验。在我们的第一项在线研究（$n=162$）中，用户在机器人执行自动化修复和解释后表现出增加的信任、满意度和实用性。然而，我们也识别出风险因素——安全、隐私和复杂性——需要灵活的修复策略。第二项现场研究（$n=24$）阐明了根据风险严重程度和类型所需的不同修复与解释策略。采用基于设计的方法，我们将自动化修复与解释作为机器人处理冲突和故障的解决方案，辅以针对风险因素的灵活策略。最后，我们讨论了将此类策略纳入机器人设计中以实现在不断变化的用户需求和环境下的无缝运行的意义。