利用在线客户评论对家用机器人故障进行分类、预测与学习

关于家用环境中机器人发生何种类型故障以及这些故障如何影响客户体验，目前存在知识空白。我们将亚马逊上10,072条小型实用型家用机器人的客户评论按其中描述的机器人故障进行分类，将故障归为十二种类型和三类（技术类、交互类和服务类）。我们识别了文献中此前被忽视的故障来源与类型，并将其整合为一个更新的故障分类体系。我们分析了故障的频率及其与客户星评的关系。结果表明，对于实用型家用机器人，技术类故障比交互类或服务类故障对客户体验的损害更大。任务完成度以及鲁棒性与韧性方面的问题被频繁报告，且造成了最显著的负面影响。未来的故障预防与应对策略应关注机器人随时间实现功能目标、运行并保持结构完整性的技术能力。可用性与交互设计对客户体验的损害较小，表明对于所考察的机器人和实际用途，客户或许更宽容那些影响这些方面的故障。此外，我们开发了一个自然语言处理模型，能够预测客户评论是否包含描述故障的内容以及所描述的故障类型。借助该知识，机器人系统的设计者与研究者可将设计与开发工作优先投入到关键问题上。