机器人泪水能表达增强的悲伤和得到支持的意图
作者Yasuhara
1*__
佐藤Takehara2
__
- 1研究生院心理学,Kyotanabe,日本京都同志社大学
- 2同志社大学心理学系Kyotanabe,日本京都
流眼泪的行为是一个独特的人类情感的表达。人类的眼泪一个情感信号函数表达悲伤和社会信号功能,诱发支持别人的意图。本研究旨在阐明机器人的眼泪是否有相同的情感和社会信号函数作为人类的眼泪,在先前的研究使用方法进行人类的眼泪。眼泪处理应用于机器人图片创建图片,没有眼泪,作为视觉刺激。在研究1中,参与者观看机器人的图片,有或没有眼泪和额定强度经历的情感机器人的图片。结果表明,添加的眼泪一个机器人的照片的额定强度显著增加悲伤。2测量支持意图对机器人的研究对机器人的图片呈现的场景。结果表明,机器人的图片添加眼泪也增加了支持意图表明机器人眼泪有情感和社会信号功能类似于人类的眼泪。
1介绍
交际能力的机器人以各种方式来表达情感是人机交互的关键。人们互相交流使用的语言而非语言的暗示,比如手势和面部表情来传达自己的情绪和推断别人的情绪(巴雷特,1993;兰格et al ., 2022)。通过相同的方式表达情绪作为人类,机器人发送的信号和意图可以直观地理解人类,没有这些必须经过特殊的训练与机器人互动。因此,它是必不可少的机器人来表达情绪促进交互(梅洛和Fredslund, 2001;Eyssel et al ., 2010;金姆和Kwon, 2010年;Złotowski et al ., 2015;Tsiourti et al ., 2019)。此外,它被认为,情绪有社会功能(van Kleef和象牙海岸,2022年)。社会functionof情绪的影响是指在思想、情感表达的感情,和别人的行为,这已被广泛证实在机器人的情感表达梅洛et al ., 2023)。例如,它已经表明,当机器人通过语言表达情感,手势,面部表情,他们增加他们的评级的情报,社交能力(Garrell et al ., 2017)、humanlikeness、亲和力和亲密(Eyseel et al ., 2010)。此外,在超市实地调查表明,孩子们对机器人感兴趣,表现出情感表达和参与他们自己(Motoda 2019)。简而言之,情感的社会功能有很多优势,它不仅在人与人之间,人与机器人之间(梅洛et al ., 2023)。此外,许多研究表明,情感表达由机器人可以改变人们的态度和影响他们的情绪和行为(例如,Garrell et al ., 2017;Motoda 2019)。此外,梅洛和Fredslund。(2001)认为需要更多情感表达更丰富的交互。此外,机器人应该能够表达多样和复杂的情绪,类似于人类。
2021年9月,一个机器人像人一样会流泪的是日本大学开发的。机器人已经在它的眼睛泪囊,滋润着它的眼睛,自然流泪(尹,2021)。副教授Sejima,机器人开发者,希望创造一个氛围,让人们很容易哭的哭的机器人。机器人是用于tele-counselling哭和活动旨在缓解压力(尹,2021)。
然而,目前尚不清楚的眼泪由机器人被承认是情感表达的。流泪的回应情绪激发的行为是人类特有的(Vingerhoets 2013)。在非人类受试者的研究,发现了动物的眼泪和阿凡达的脸表达悲伤(Gračanin et al ., 2021;Pico Gadea, 2021)。然而,我们所知,没有研究检查了人民的眼泪由机器人的观念。换句话说,它是不清楚的情感的社会功能源于人们流泪的以相同的方式工作时机器人流泪。因此,即使一个机器人配备了流泪的能力,目前还不清楚是否会有预期的影响,如情感交流和互动。因此,有必要澄清这个问题在设计未来的机器人。结果,本研究旨在确定机器人的眼泪也表现出人类眼泪的典型信号功能使用方法在以前的研究对人类的眼泪。在下一节中,人类眼泪的典型情感和社会信号功能进行了综述。最后,概述并提出了本研究的假设。
人类眼泪作为信号传递悲伤。普罗文斯et al . (2009)和Zeifman和棕色(2011)的照片显示,把泪水从含泪而悲伤的人降低了强度等级。相反,把眼泪一个悲哀的表情加速它的速度被认为是悲伤,表明眼泪促进悲伤的感觉(Balsters et al ., 2013)。Ito et al。(2019)表明,当泪水添加到中性,悲伤,愤怒,恐惧,和厌恶的表情,悲伤的额定强度更高的所有表情和面部表情的评级模式接近的悲伤。他们得出的结论是,眼泪是悲伤。
另外,眼泪可以作为社会信号引出支持别人的意图。一些研究调查了眼泪对诱发支持意图的影响使用的照片泪流满面的人或数字操纵眼泪的照片。结果一致显示增强支持意图泪流满面的人相比,那些不泪流满面的(•Vingerhoets, 2006;Vingerhoets et al ., 2016;Stadel et al ., 2019)。眼泪的影响引起别人的意图提出了支持Zickfeld et al。(2021)作为一个社会支持的假设。他们证明了眼泪引出支持别人的意图;然而,眼泪的影响的大小取决于某些变量如哭泣时,与人的关系,和性别。最近,泪水的过程引起支持意图日益明显。Vingerhoets et al。(2016)和Zickfeld et al。(2021)表明,眼泪代表无助和温暖的感觉。观察家觉得连接到一个泪流满面的个体,导致支持对后者的意图。
2研究的假设和概述
本研究调查的眼泪由机器人是否有情感和社会信号功能,使用方法类似于使用在以前的研究对人类的眼泪。具体来说,我们使用机器人的照片作为视觉刺激和自我报告测量响应。这些反应为人们提供第一个线索在真实情况下的感受和行为。换句话说,我们旨在确定反应一个机器人的眼泪是类似于人类的眼泪。研究1调查机器人是否表达悲伤的泪水作为情感的信号。研究2研究机器人的眼泪是否担任社会信号引出支持的意图。过程潜在的影响人类眼泪支持意图在现有文献已被确认;因此,研究2还研究了机器人和人类是否在这个过程中是相似的。
因为人们倾向于将机器人和展览的社会反应,机器人的眼泪可能引起反应类似于人类的眼泪。系统的实验李维斯和Nass。(1996)表明人们社会行为和礼貌地向奉承无机对象,比如电脑。这一理论认为,人们倾向于将人类特征分配给媒体,叫做媒体方程理论(李维斯和Nass, 1996)。而且,这种现象发生在不知不觉中,并自动(李维斯和Nass, 1996),已被证实对机器人在人们的反应(例如,Rosenthal-von der Putten et al ., 2013;铃木et al ., 2015)。这一现象表明,人们倾向于认为无机anthropomorphically对象。因此,我们预测,人们的反应机器人眼泪将类似于他们的反应人类的眼泪。具体来说,我们预测,人们将属性一个机器人的眼泪与悲伤的感觉,从而增加了强度等级的悲伤。此外,它是预测,人们将评估机器人流泪的温暖和无助,类似于一个泪流满面的人,也会感到更连接到机器人,从而导致增加支持的目的。
3研究1
参与者观看机器人的图片,有或没有眼泪和额定强度经历的情感机器人的图片。在先前的研究人类的眼泪,评级被要求不同的类型的情感从研究研究中,有一些只要求参与者应对悲伤(布诺温et al ., 2009;Balsters et al ., 2013),只能消极情绪(Ito et al ., 2019),埃克曼(1999)的基本六种情绪(Gračanin et al ., 2021)。这也是一个习惯和惯例在许多面部表情识别的研究来衡量埃克曼(1999)六种基本情绪(快乐、悲伤、愤怒、厌恶、恐惧、和惊喜;例如,古板的et al ., 2003;通用电气et al ., 2008;岸et al ., 2012;班纳特和Šabanović,2014)。这项研究是第一个检查机器人的眼泪对情绪的影响评级。确定的影响更多的情感,我们要求参与者对埃克曼提出的六种基本的情绪。(1999)。之前的研究表明,增强悲伤眼泪(例如,布诺温et al ., 2009;Ito et al ., 2019)。因此,我们预测,机器人泪水会更高评级的悲伤强度比没有眼泪(假设1)。相反地,泪水悲伤以外的情感上的影响取决于眼泪应用前的面部表情。例如,应用眼泪一个愤怒的表情更评价结果的愤怒情绪传达的表达式(Gračanin et al ., 2021)。然而,由于本研究中使用的机器人无法改变他们的面部表情或清楚地传达一种特定的情感的表达,没有制定明确的假设除了悲伤情绪。
3.1材料和方法
3.1.1参与者
52一个日本大学的本科生参与研究1。参与者与一个或多个缺失的数据被排除在外。最后分析包括50参与者(16岁男性,34岁的女性;平均年龄为20.16岁,SD= 1.27)。所有的参与者都以日语为母语。课堂参与奖励参与者的实验。1进行研究之前,所有参与者提供使用Qualtrics研究概述,一个在线调查平台。在概述了后,参与者被要求选择“同意”或“不同意”来参与这项研究。只有参与者选择“同意”在调查中。理想的样本量计算使用G *功率(福尔et al ., 2007)的显著性水平为5%和0.80的力量,考虑到影响大小(d= 0.86)进行了荟萃分析Zickfeld et al。(2021)。动力分析结果建议13的最小样本量。本研究的样本容量超过了最低要求。
3.1.2视觉刺激
四个机器人的图像被用于这项研究。选择机器人按照下列标准制定的Mathur和reichl (2016)。此外,人类眼泪的信号功能已被证明发生之前不管面部表情的眼泪(Zeifman和布朗,2011年;Ito et al ., 2019)。许多机器人无法改变他们的面部表情,与人类不同,没有标准化的刺激表示每个情感。因此,机器人的面部表情并没有考虑他们的选择。
3.1.2.1选择标准
1。整个面部的机器人必须在图中。
2。机器人的脸朝前,两只眼睛应该了解全面的情况。
3所示。机器人必须设计社会与人进行交互。
4所示。机器人应该实际上已经产生。
5。机器人必须身体移动(不是雕塑或计算机图形学)。
6。图片说明必须至少100的结论。
3.1.2.2排除标准
1。机器人代表一个著名人物或名人。
2。机器人代表了一个特定的性别。
3所示。机器人玩具销售。
照片从日立建筑系统有限公司。' s EMIEW,夏普公司的RoBoHoN,设计艺术有限公司s RoboThespian和Vstone有限公司。s Sota,符合上述标准的使用许可,被用于实验。这些图片是来自公司网站或直接由公司提供。机器人被裁剪的照片从肩膀到身体的上部,,背景是白色的。接下来,四个机器人数字化处理的照片使用Adobe Photoshop Cc 2021添加眼泪(图1)。大小和位置的泪水在机器人实现标准化。刺激的最终数量是八:每个机器人的两张图片,没有眼泪。此外,裂缝处理的适用性确认初步研究,主要研究中使用。试点研究提供的细节https://osf.io/cgvt5/?view_only=39a3afb9ba724f669ea852e57a7afee1。
图1。实验中使用的视觉刺激。从左边,EMIEW,无袖长衫戏剧,Sota。RoBoHoN的照片没有显示由于版权问题。
3.1.3实验设计
自变量的眼泪(眼泪:没有眼泪条件;泪水:眼泪条件),这是一个within-participants因素。因变量是情感强度,测量六个情绪的强度(悲伤、愤怒、恐惧、惊讶、厌恶、和幸福)为每一个刺激。
3.1.4过程
参与者坐在约30厘米的26.5厘米×47.0厘米刺激演示使用Qualtrics监测和调查。提出了机器人的图片的大小15.87厘米×15.87厘米(600 px×600 px)和参与者被要求评价规模101(0:没有强大到100:很强的)强烈他们认为照片中的机器人是如何经历悲伤、愤怒、害怕、惊讶、厌恶,和幸福。六个情绪的顺序提出了为每个审判是随机的。刺激本研究中使用的数量很小,而且每个刺激了三次,确保测量稳定性(Balsters et al ., 2013;Gračanin et al ., 2021)。研究1中有24个试验。在所有24个试验,提出了刺激以随机的顺序使用Qualtrics随机函数。参与者评估两个版本相同的机器人,没有眼泪,没有时间限制放在他们的反应。研究1获得批准后进行(kh - 21088)伦理审查委员会的同志社大学心理学的教师。
3.2结果
数据分析使用IBM SPSS统计(27)。每个响应四个机器人是没有眼泪和流泪的条件相结合,和每个条件计算的均值(图2)。克伦巴赫α系数是计算检查机器人之间的一致性,这证实了足够的一致性(悲伤:α= .90愤怒:α=结果,恐惧:α=点,厌恶:α=综合意外:α=尾数就幸福:α= .62)。应该注意的是,在这项研究中,我们感兴趣的平均值对多个机器人的反应,而不是反应一个独特的机器人。因此,机器人的类型不包含一个因素,但一个事后分析将眼泪和机器人的类型的强制因素是由审查员的建议和提出补充材料。
图2。意味着没有流泪,流泪的情感强度条件。星号表示显著差异(*p< . 05,* *p< . 01,* * *p<措施)。误差线代表平均数标准误差。
所示图2、没有眼泪的六个情感强度条件低于50的中值。然而,在眼泪条件,只有悲伤平均值高于中位数。一个配对t以及进行确定每个情感强度的差异取决于的眼泪,使用的手段没有流泪,流泪的情绪强度条件。结果显示显著差异在情绪的眼泪除了愤怒[愤怒:t(49)= 1.91,p= 0。06d= 0.27,95% CI(−0.01, 0.55),悲伤:t(49)= 24.18,p<措施,d= 3.42,95% CI(2.69, 4.15),恐惧:t(49)= 8.96,p<措施,d= 1.27,95% CI(0.89, 1.64),意外:t(49)= 2.10,p= .04点,d= 0.30,95% CI(0.01, 0.58),厌恶:t(49)= 3.10,p= .003,d= 0.44,95% CI(0.15, 0.73),幸福:t(49)=−5.14,p<措施,d=−0.73,95% CI (−1.04−0.41)]。悲伤的情感强度,恐惧、惊讶、厌恶和更高的眼泪条件比没有眼泪的条件,而幸福的情感强度显著低于眼泪条件比没有眼泪的条件。
3.3讨论
研究1调查是否机器人眼泪也作为表达悲伤情绪的信号。我们提出机器人流泪将获得更高的评级强度比机器人没有流泪的悲伤(假设1)。结果显示,眼泪的强度条件有显著较高的评级悲伤没有眼泪条件相比,从而支持了假设。此外,眼泪条件显示更高评级的情感强度比没有眼泪条件恐惧的情绪,惊喜,和厌恶。
此外,研究1的结果表明,机器人用眼泪表达悲伤的情感信号功能。相比没有眼泪条件、眼泪条件显示明显高于悲伤强度等级为77.36,高于中位数。幸福的强度较低的眼泪条件比没有眼泪的条件。这些结果与之前的研究一致表明,增强悲伤眼泪(布诺温et al ., 2009;Zeifman和布朗,2011年;Balsters et al ., 2013;Ito et al ., 2019;Gračanin et al ., 2021)。相反,眼泪可以提高情绪除了悲伤的强度(恐惧、惊讶、厌恶)。流眼泪是一种情绪表达行为与情绪除了悲伤和发生强烈的情绪激发的结果(Vingerhoets et al ., 2001)。因此,眼泪的加入可能会增加强度的情绪除了悲伤在目前的研究。然而,任何的情感强度增加情绪除了悲伤因为眼泪低于中位数的加法,和其他情绪的效应大小规模较小(恐惧,d= 1.27;令人惊讶的是,d= 0.30;厌恶,d比悲伤(= 0.44)d= 3.42)。换句话说,它可以推断出,眼泪悲伤以外的情感上的增强效果是次要的。因此,这项研究表明,增强悲伤眼泪最多,也就是说,也表达悲伤的情感信号功能。
机器人增加悲伤眼泪的原因可能是受到人民拟人化感知媒体的特点,如电脑和电视。神人同形同性论是指人的一般趋势对人类独有的属性特征(爱普雷et al ., 2007;Waytz et al ., 2010),包括类似人类的心智能力,非人类的对象。人们倾向于将机器人(例如,田中et al ., 2007;Rosenthal-von der Putten et al ., 2013)。人类眼泪加强各种面部表情(例如,布诺温et al ., 2009;Zeifman和布朗,2011年;Balsters et al ., 2013;Ito et al ., 2019;Gračanin et al ., 2021)。因此,即使一个无机机器人在掉眼泪,人们认为它以同样的方式作为一个泪流满面的个人和解释机器人经历悲伤。这表明,机器人的眼泪在本研究增加了悲伤的情感强度。
4研究2
研究1显示悲伤的眼泪提高额定强度机器人。研究2旨在调查机器人的眼泪是否作为一个社会信号引出支持意图使用不同的场景。我们还研究了眼泪诱发的支持意愿的影响是否由感知温暖,无助,和连通性,如人类。因为许多先前的研究已经表明,眼泪有强烈影响引发支持意图(例如,Vingerhoets et al ., 2016;Stadel et al ., 2019;Zickfeld et al ., 2021),提出支持机器人泪水的意图会更高比机器人没有眼泪(假设2)。此外,tear-eliciting支持意图效应是由增加温暖的看法,无助和连通性的泪流满面的个人(Vingerhoets et al ., 2016;Zickfeld et al ., 2021)。我们还提出,眼泪诱发的支持意愿的影响将由温暖的看法,无助,连通性(假设3)。
4.1材料和方法
以下4.4.1参与者
56本科生(= 22男性和34岁女性,平均年龄20.18岁,SD= 1.19年)从一个日本大学同意参与研究2。所有的参与者都以日语为母语。课堂参与奖励参与者的实验。进行研究2之前,所有参与者提供使用Qualtrics研究概述,一个在线调查平台。在这之后,参与者被要求选择“同意”或“不同意”参与这项研究。只有参与者选择“同意”在调查中。理想的样本量计算使用G *功率(福尔et al ., 2007)的显著性水平为5%和0.80,考虑到影响大小(d= 0.56)进行了荟萃分析Zickfeld et al。(2021)。动力分析结果建议28的最小样本量。本研究的样本容量超过了最低要求。
4.1.2视觉刺激
相同图片的研究1中使用的机器人被利用。
4.1.3场景
我们创建了两个场景与机器人的图像,提出了一个在“死亡”的主题和其他的主题“再见,”的前身通常先于哭的行为(Vingerhoets 2013)。第一个场景是“刚刚决定前的机器人,这个机器人明天将被拆除。”第二个“租赁期限,这个机器人今天结束,现在这个机器人只是离开家庭。”
4.1.4措施
本研究使用相同的问卷条目使用Zickfeld et al。(2021)测量支持温暖的意图和观点,无助和连通性。
4.1.4.1支持意图
测量打算支持照片中的机器人,参与者被要求对以下三个项目使用级规模(0:不6:非常):“我如果这个机器人需要我,”“我想表达我有多接受了这个机器人,”,“我对这个机器人将提供支持。”
4.1.4.2感知温暖
测量对照片中的机器人感知温暖,参与者被要求显示的程度两项——“温暖”和“友好的”应用到机器人使用级规模的图片(从0:没有6:非常多)。
4.1.4.3感觉无助
测量机器人的感知无助图中,参与者被要求对以下三个项目使用级规模(0:不6:非常):“这个机器人似乎多少无助的你吗?”、“如何被你这个机器人出现吗?”、“这个机器人似乎你有多悲伤?”
4.1.4.4感知的连通性
测量机器人的感知到的连通性,参与者被要求评价他们的知觉联系在级照片中的机器人IOS(包容他人的自我)量表(Aron et al ., 1992)。IOS规模由七位数,从两个独立的圈子,自我和其他两个几乎重叠的圆圈。
4.1.5实验设计
自变量的眼泪(眼泪:没有条件,泪水泪水:眼泪条件),这是一个within-participant因素。因变量是支持意图,感知到的温暖,感觉无助,连通性。
4.1.6步骤
参与者坐在约30厘米的26.5厘米×47.0厘米刺激演示使用Qualtrics监测和调查。提出了机器人的图片的大小15.87厘米×15.87厘米(600 px×600 px)随着场景中,参与者被要求回答的问题。参与者执行16试验(四个机器人与/没有眼泪××两个场景)。刺激呈现的顺序随机使用Qualtrics 16个随机函数试验,和没有时间限制的反应。参与者评估两个版本相同的机器人,有或没有眼泪。比研究1和研究2有更多问题不使用相同的技术要求参与者对视觉刺激的三倍,以减轻他们的负担。然而,尽管不同类型的场景中,评价是要求两次一视觉刺激表明测量的稳定性是保证。批准后进行了研究2 (kh - 21088)伦理审查委员会的同志社大学心理学的教师。
4.2结果
数据分析使用IBM SPSS统计(27)。三个项目的均值意图被用来支持意向分数(α= .92)。同样,意味着温暖和两个项目的三个项目上的无助被视为各自量表分数(温暖:r= .82;无助感:α= .74点)。
4.2.1效应准备的泪水
应对四个机器人和两个场景是分组根据条件没有流泪,流泪,和每个条件的平均计算。所示图3,意味着眼泪条件高于那些没有条件所有的因变量。一个配对t以及进行检查是否添加意图感知的差异产生的眼泪支持,温暖,无助,对每个因变量和连通性,使用的手段没有流泪,流泪的条件。结果显示在所有因变量显著差异,得分越高的眼泪条件而没有眼泪条件(支持的意愿:t(55)= 7.89,p<措施,d= 1.05,95% CI (0.72, 1.38);温暖:t(55)= 9.31p<措施,d= 1.24,95% CI (0.89, 1.59);无助感:t(55)= 15.48,p<措施,d= 2.07,95% CI (1.60, 2.53);连通性:t(55)= 10.98,p<措施,d= 1.47,95% CI (1.09, 1.84)]。
图3。每个因变量的意思是没有眼泪和流泪的条件。星号显示显著差异(* * *p<措施)。误差线代表平均数标准误差。
4.2.2中介分析
中介分析使用R(版本。4.2.1)之间的关系来确定是否准备的眼泪和支持的意图是由感知温暖,无助和连通性(假设3)。中介分析的眼泪作为独立变量,支持作为因变量,意图和感知温暖,无助,和连通性作为中介变量(图4)。本实验研究利用重复测量设计,多模型中介进行了分析与参与者包括随机拦截。蒙特卡罗模拟是用来构造95%置信区间的间接影响的眼泪支持意图通过中介变量(福尔克和力,2016)。结果表明,95%的置信区间对所有中介变量间接影响不包括零[温暖:B= 0.31,95% CI (0.24, 0.38);无助感:B= 0.20,95% CI (0.10, 0.29);和连通性:B= 0.47,95% CI (0.38, 0.55)]。
图4。中介模型总结发生的直接和间接影响的眼泪打算支持。系数代表unstandardised估计。估计在括号表示95%的置信区间。
4.3讨论
研究2检查机器人的眼泪是否担任社会信号,引起支持的意图。我们还研究了眼泪的影响是否支持意图是由感知温暖,无助和连通性。提出,眼泪条件将导致更高的支持比没有眼泪的意图条件(假设2)。结果表明,支持意图是明显高于眼泪条件比没有眼泪的条件,从而支持这一假说。此外,我们提出,眼泪诱发的支持意愿的影响是由感知温暖,无助,和连通性(假设3)。这项研究的结果复制先前的发现:眼泪不仅使表达者显得无助,也让他人感到温暖和更多的连接(Stadel et al ., 2019;Zickfeld et al ., 2021)。此外,眼泪诱发的支持意愿的影响是由感知温暖,无助,和连通性,从而支持假说3。因此,结果表明,即使在机器人,眼泪可以函数作为社会信号,引起支持意向。
这项研究的结果首次证明机器人眼泪有社会信号功能引起支持意图,从而支持媒体提出的理论方程李维斯和Nass。(1996)。媒体方程理论认为,人们的行为对社会对无机对象,如媒体,倾向于认为他们拟人化。在进行的一项研究李维斯和Nass。(1996),社会行为发生在人与人之间的关系在person-to-media复制关系。因此,在人与人的关系中所发生的社会行为支持的意图是引起对泪流满面的个人也证明person-to-robot在这项研究的关系。
此外,目前的研究表明,泪水的过程导致增加支持的意图可能是类似于人类。在目前的研究中,泪流满面的机器人获得了更高的评价上的温暖,无助,连通性non-tearful机器人。此外,这三个因素介导的眼泪增加支持意愿的影响,从而复制先前的研究结果与人类进行图片(Stadel et al ., 2019;Zickfeld et al ., 2021)。除了引起的信号影响支持的意图,这个研究表明,诱发的过程支持意图的机器人的眼泪与人类相似,表明人们可能认为机器人类似于一个人。
5一般讨论
本研究旨在调查的眼泪是否由机器人有情感信号函数表达悲伤和引起的社会信号功能支持的意图,使用方法类似于先前的研究对人类的眼泪。研究1检查机器人的眼泪是否作为一个情感信号表达悲伤,流着泪和证明机器人转达了增强的悲伤。研究2检查机器人的眼泪是否作为一个社会信号引出意图和发现,机器人的眼泪也引起支持的意图。此外,机器人的眼泪引起的过程支持的意图被发现类似于人类。
本研究的结果表明,可能推动了机器人的anthropomorphisation眼泪。两个实验的结果在本研究进行复制先前的研究使用人类的图片。这证明,第一次,眼泪在机器人可以作为情感和人类社会信号以同样的方式。作为无机对象,机器人没有感情或将自发地,不流泪。但是,因为人们倾向于将无机的机器人(李维斯和Nass, 1996),据推测,他们认为情绪和社会性的眼泪机器人。除了这种灵活性在人类认知,可能对象本身,流泪,可能是人们寻找情感的催化剂和社会品质的机器人,并有可能进一步提升也和感知的机器人具有人类特征。里克•et al。(2009)检查人们是否显示移情对机器人通过显示机器人的视频被滥用。结果表明,同情的程度有差异取决于滥用机器人的外观,高移情显示为一个类人机器人(android)比机器人机械外观(清洁机器人Roomba)。因此,机器人的人格影响人们的社会反应。此外,机器人感知的人格一直认为增加接受,喜欢,熟悉和信任对机器人和促进社会与人的相互作用(Eyssel et al ., 2010;芬克,2012)。因为流泪是一种独特的人类情感的表达(Vingerhoets 2013),它可以推断出,眼泪是人格的象征元素。因此,的眼泪一个机器人,这是一种无机对象,可以促进了人民倾向于认为无机对象作为拟人化和机器人无限类的实体。
此外,流泪的是机器人的有意义的方式来表达他们的情感。这项研究的结果表明,机器人增加强度的悲伤和流泪的眼泪可以作为一个悲伤的情绪表达行为的机器人。除了悲伤,眼泪伴随着不同的情绪,如快乐和愤怒(Vingerhoets 2013)。虽然研究1没有提供上下文信息,它可能会通过眼泪表达情绪除了悲伤,根据上下文的眼泪是流。因此,装备机器人与流泪行为预计将扩大范围的情感表达,使人机交互更加完善和丰富。此外,悲伤的感觉面部表情年轻人和老年人之间的不同,与老人不太敏感的感觉悲伤的面部表情比年轻的成年人(菲利普斯和艾伦,2004年;麦克弗森et al ., 2006)。然而,年长的和年轻人之间没有差异被发现在他们的评估悲伤流泪的的情感表达,表明眼泪是一个普遍的情感信号传递悲伤所有年龄(格兰杰et al ., 2019)。因此,提供一个撕裂函数作为一种表达悲伤的机器人可能是有益的,因为它促进了悲伤的传播无论人与机器人互动的时代。
这项研究首次表明,情感的社会功能可能发生当机器人流泪。它已经表明,当机器人通过面部表情和手势,表达情感他们表现出与人类相同的社会功能(梅洛et al ., 2023)。本研究支持先前的研究结果,表明这种适用于先前未经考验的情感表达在掉眼泪,从而在这一领域新知识。2具体地说,研究表明,机器人的眼泪引起支持意图和影响人类的行为。流眼泪的行为吸引别人的注意和抒发方法反应(•et al ., 2008;Vingerhoets 2013)。此外,它可以治疗自闭症的应用通过交互(例如,Scassellati et al ., 2012;塔et al ., 2018)和“机器人照顾”实现老年人的自尊和自我肯定Kanoh 2014)。换句话说,装备机器人能够流泪可能导致进一步的发展领域机器人正在积极利用。
最后,本研究的局限性和未来的角度进行了讨论。首先,本研究中使用的基线的刺激并不是统一的。例如,一些机器人错过(嘴巴和鼻子)或特定的面部部分似乎在微笑。在人类身上,眼泪已被证明提高悲伤的评价和支持意图,不管之前的面部表情的眼泪(例如,布诺温et al ., 2009;Zeifman和布朗,2011年;Ito et al ., 2019)。然而,眼泪的影响的大小变化在面部表情(例如,Ito et al ., 2019)。因此,未来的工作需要来控制机器人的面部表情和部分并检查眼泪的效果。此外,在实验中使用的机器人类型数量很小。尽管使用了四种不同类型的机器人在这项研究中,许多不同类型的交际机器人开发与不同的表象,从那些模仿动物,如狗和海豹,那些看起来更像人类(维斯et al ., 2009;Zecca et al ., 2009;Eyssel et al ., 2010;课题组组长Pandey,葛林介绍,2018年)。因此,目前尚不清楚是否可以全面提出了研究结果时,所有的机器人。第二,上下文信息是有限的。具体地说,研究1不包括任何上下文信息。这是一个必要的过程识别情绪所指的眼泪。上下文信息是一个非常重要的因素在决定情感的情感表达,尤其是流泪,可与一系列相关的情绪(Vingerhoets 2013;Zickfeld et al ., 2020)。未来的研究应该建立上下文信息和确定机器人的眼泪还可以加强评估等情感表达喜悦,情感,和愤怒。第三,本研究只处理主观评估。我们的目的是确定机器人的眼泪的信号功能使用方法类似于先前的研究对人类的眼泪。因此,我们要求参与者应对支持意图的主观评价机器人的照片。这个方法是很重要的,因为它提供了第一个人类对机器人的反应实际的线索。相反,先前的研究研究情感的社会功能已经表明non-expressed情绪相比,机器人做出让步在谈判游戏对手显示情感表达(Sinaceur et al ., 2015),捐赠更多的钱(高木涉田农,2021),建议用大量的钱在最后通牒游戏(田农,竹内,2017年),这表明情感表达可以影响别人的行为。在目前的研究中,支持意图增加流泪的机器人。然而,目前尚不清楚这是否会导致实际支持的行为。未来的使用行为指标假设检验是必需的。
6结论
眼泪在机器人可能信号效果类似于人类。机器人眼泪的额定强度增强的悲伤。他们还表示温暖和无助。流泪的观察家感到一种亲密机器人,导致支持的意图。结果表明机器人流泪,像人类的泪水,都有一个情感信号函数表达悲伤和社会信号效应,诱发支持的意图。这是第一次研究证明先前身份不明的情感和社会信号功能的机器人眼泪和确定潜在的新tear-specific人类和机器人之间的相互作用。
数据可用性声明
在这项研究中提出的数据集可以在网上找到存储库。下面的URL访问存储库可以找到:https://osf.io/cgvt5/?view_only=39a3afb9ba724f669ea852e57a7afee1。
道德声明
涉及人类受试者的研究回顾和批准的伦理审查委员会的同志社大学心理学院。参与者提供知情同意参加本研究的在线调查平台Qualtrics。
作者的贡献
AY和TT的研究理念和设计。AY有组织的数据库中,进行统计分析,写了初稿和部分手稿。所有作者的文章和批准提交的版本。
确认
我们感谢艺术设计有限公司、日立建筑系统有限公司,有限公司,夏普公司和Vstone有限公司有限公司提供的照片在这项研究中使用的机器人。
的利益冲突
作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。
出版商的注意
本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。
补充材料
本文的补充材料在网上可以找到:https://www.雷竞技rebatfrontiersin.org/articles/10.3389/frobt.2023.1121624/full补充材料
引用
阿伦,一个。,Aron, E. N., and Smollan, D. (1992). Inclusion of other in the self-scale and the structure of interpersonal closeness.j·珀耳斯。Soc。Psychol。63 (4),596 - 612。0022 - 3514.63.4.596 doi: 10.1037 /
Balsters, m . J。Krahmer E。J., Swerts, M. G., and Vingerhoets, A. J. (2013). Emotional tears facilitate the recognition of sadness and the perceived need for social support.另一个星球。Psychol。11 (1),148 - 158。doi: 10.1177 / 147470491301100114
班尼特,C . C。,和Šabanović, S. (2014). Deriving minimal features for human-like facial expressions in robotic faces.Int。j . Soc。机器人。6 (3),367 - 381。doi: 10.1007 / s12369 - 014 - 0237 - z
梅洛L。,和Fredslund, J. (2001). I show you how I like you - can you read it in my face? [robotics].IEEE反式。系统。男人,Cybern。——一个系统的一部分。人类31 (5),454 - 459。doi: 10.1109/3468.952719
爱普雷,N。,Waytz,。,和Cacioppo, J. T. (2007). On seeing human: A three-factor theory of anthropomorphism.Psychol。牧师。114 (4),864 - 886。0033 - 295 - x.114.4.864 doi: 10.1037 /
Eyssel F。,Hegel, F., Horstmann, G., and Wagner, C. (2010). “Anthropomorphic inferences from emotional nonverbal cues: A case study,” in19学报》国际研讨会在机器人和人类互动交流,意大利的维亚雷吉奥的,2010年9月13 - 15(IEEE),646 - 651。
福尔克,c F。,和Biesanz, J. C. (2016). Two cross-platform programs for inferences and interval estimation about indirect effects in mediational models.圣人开放6 (1)doi: 10.1177 / 2158244015625445
福尔F。,Erdfelder, E., Lang, A. G., and Buchner, A. (2007). G*Power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences.Behav。研究方法39 (2),175 - 191。doi: 10.3758 / BF03193146
芬克,j . (2012)。“神人同形同性论与人类相似的机器人和人机交互的设计,”社会机器人。编辑美国美国通用电气、o .哈提卜,j . j . Cabibihan r·西蒙斯和m·a·威廉姆斯(德国海德堡:施普林格),199 - 208。
Garrell,。,Villamizar, M., Moreno-Noguer, F., and Sanfeliu, A. (2017). Teaching robot’s proactive behavior using human assistance.Int。j . Soc。机器人。9 (2),231 - 249。doi: 10.1007 / s12369 - 016 - 0389 - 0
通用电气、美国。,Wang, C., and Hang, C. C. (2008). “Facial expression imitation in human robot interaction,” inRO-MAN 2008 - 17 IEEE国际研讨会机器人和人类互动交流,德国慕尼黑,2008年8月01-03(IEEE),213 - 218。
Gračanin,。,Krahmer, E., Balsters, M., Küster, D., and Vingerhoets, A. J. J. M. (2021). How weeping influences the perception of facial expressions: The signal value of tears.j .非语言Behav。45 (1),83 - 105。doi: 10.1007 / s10919 - 020 - 00347 - x
美国,遍布全球。Vanman, e . J。重要,G。,和Henry, J. D. (2019). The influence of tears on older and younger adults’ perceptions of sadness.Psychol。老化34 (5),665 - 673。doi: 10.1037 / pag0000373
•m . c·P。低吟,m。,和Vingerhoets a·j·j·M。(2008). Social reactions to adult crying: The help-soliciting function of tears.j . Soc。Psychol。148 (1),22-42。doi: 10.3200 / SOCP.148.1.22-42
•m . c·P。,和Vingerhoets a·j·j·M。(2006). Social messages of crying faces: Their influence on anticipated person perception, emotions and behavioural responses.Cogn。条件。20 (6),878 - 886。doi: 10.1080 / 02699930500450218
伊藤K。,Ong, C. W., and Kitada, R. (2019). Emotional tears communicate sadness but not excessive emotions without other contextual knowledge.前面。Psychol。10日,878年。doi: 10.3389 / fpsyg.2019.00878
金,h·R。,和Kwon, D. S. (2010). Computational model of emotion generation for human–robot interaction based on the cognitive appraisal theory.j .智能。机器人。系统。60 (2),263 - 283。doi: 10.1007 / s10846 - 010 - 9418 - 7
岸,T。,Otani, T., Endo, N., Kryczka, P., Hashimoto, K., Nakata, K., et al. (2012). “Development of expressive robotic head for bipedal humanoid robot,” in2012年IEEE / RSJ智能机器人和系统国际会议,Vilamoura-Algarve、葡萄牙,2012年10月07-12(IEEE),4584 - 4589。
兰格,J。,Heerdink, M. W., and van Kleef, G. A. (2022). Reading emotions, reading people: Emotion perception and inferences drawn from perceived emotions.咕咕叫。当今。Psychol。43岁,85 - 90。doi: 10.1016 / j.copsyc.2021.06.008
麦克弗森,美国E。菲利普斯,l . H。,和Sala, S. D. (2006). Age-related differences in the ability to perceive sad facial expressions.老化的中国。Exp Res。18 (5),418 - 424。doi: 10.1007 / BF03324838
Mathur, m . B。,和Reichling, D. B. (2016). Navigating a social world with robot partners: A quantitative cartography of the uncanny valley.认知146年,22-32。doi: 10.1016 / j.cognition.2015.09.008
梅洛,c . m . d。Gratch, J。,Marsella, S., and Pelachaud, C. (2023). Social functions of machine emotional expressions.Proc。IEEE2023年,硕士论文。doi: 10.1109 / JPROC.2023.3261137
古板的,H。,Okuchi, T., Itoh, K., Takanobu, H., and Takanishi, A. (2003). “A new mental model for humanoid robots for human friendly communication introduction of learning system, mood vector and second order equations of emotion,” in2003年IEEE机器人与自动化国际会议上,台北,台湾,2003年9月14-19(IEEE),3588 - 3593。
Motoda, k (2019)。可怜的沟通者机器人:如何处理他们呢?勾选:https://project.nikkeibp.co.jp/mirakoto/atcl/robotics/h_vol31/(2022年12月1日访问)。
Pandey, a K。,和Gelin, R. (2018). A mass-produced sociable humanoid robot: pepper: The first machine of its kind.IEEE机器人。奥特曼。玛格。25 (3),40-48。doi: 10.1109 / MRA.2018.2833157
菲利普斯l . H。,和Allen, R. (2004). Adult aging and the perceived intensity of emotions in faces and stories.老化的中国。Exp Res。16 (3),190 - 199。doi: 10.1007 / BF03327383
皮科,。,和Gadea, M. (2021). When animals cry: The effect of adding tears to animal expressions on human judgment.《公共科学图书馆•综合》16 (5),e0251083。doi: 10.1371 / journal.pone.0251083
巴尔R R。,Krosnowski, K. A., and Brocato, N. W. (2009). Tearing: Breakthrough in human emotional signaling.另一个星球。Psychol。7 (1),52-56。doi: 10.1177 / 147470490900700107
里克•l . D。,Rabinowitch, T.C., Chakrabarti, B., and Robinson, P. (2009). “How anthropomorphism affects empathy toward robots,” in学报》第四届ACM和IEEE国际会议对人类机器人交互(美国加州拉霍亚:ACM),245 - 246。
Rosenthal-von der Putten, a . M。克雷默:C。霍夫曼,L。、Sobieraj年代。,和Eimler, S. C. (2013). An experimental study on emotional reactions towards a robot.Int。j . Soc。机器人。5(1),华裔。doi: 10.1007 / s12369 - 012 - 0173 - 8
Scassellati B。Admoni, H。,和Matarić, M. (2012). Robots for use in autism research.为基础。启生物医学。Eng。14日,275 - 294。doi: 10.1146 / annurev - bioeng - 071811 - 150036
Sinaceur, M。,Kopelman, S., Vasiljevic, D., and Haag, C. (2015). Weep and get more: When and why sadness expression is effective in negotiations.j:。Psychol。100年,1847 - 1871。doi: 10.1037 / a0038783
Stadel, M。,Daniels, J. K., Warrens, M. J., and Jeronimus, B. F. (2019). The gender-specific impact of emotional tears.Motiv。条件。43 (4),696 - 704。doi: 10.1007 / s11031 - 019 - 09771 - z
铃木Y。,Galli, L., Ikeda, A., Itakura, S., and Kitazaki, M. (2015). Measuring empathy for human and robot hand pain using electroencephalography.科学。代表。5 (1),15924。doi: 10.1038 / srep15924
塔,一个。,Meghdari, A., Alemi, M., and Pouretemad, H. (2018). Human-robot interaction in autism treatment: A case study on three pairs of autistic children as twins, siblings, and classmates.Int。j . Soc。机器人。10 (1),93 - 113。doi: 10.1007 / s12369 - 017 - 0433 - 8
高木涉,H。,和田农,K。(2021). The effect of anime character’s facial expressions and eye blinking on donation behavior.科学。代表。11 (1),9146。doi: 10.1038 / s41598 - 021 - 87827 - 2
田中,F。,Cicourel, A., and Movellan Javier, R. (2007). Socialization between toddlers and robots at an early childhood education center.Proc。国家的。学会科学。104 (46),17954 - 17958。doi: 10.1073 / pnas.0707769104
田农,K。,和Takeuchi, C. (2017). Emotional expression in simple line drawings of a robot's face leads to higher offers in the ultimatum game.前面。Psychol。8,724。doi: 10.3389 / fpsyg.2017.00724
Tsiourti C。维斯,。Wac, K。,和Vincze, M. (2019). Multimodal integration of emotional signals from voice, body, and context: Effects of (In)Congruence on emotion recognition and attitudes towards robots.Int。j . Soc。机器人。11 (4),555 - 573。doi: 10.1007 / s12369 - 019 - 00524 - z
van Kleef, g。,和Côté, S. (2022). The social effects of emotions.安。启Psychol。73 (1),629 - 658。doi: 10.1146 / annurev -心理- 020821 - 010855
Vingerhoets a·j·j·M。Boelhouwer, a·j·W。,Van Tilburg, M. A. L., and Van Heck, G. L. (2001). “The situational and emotional context of adult crying,” in成人哭:一种生物-心理-社会的方法。编辑a·j·j·m·Vingerhoets和r·r·科尼利厄斯(美国纽约:Brunner-Routledge),71 - 90。
Vingerhoets a·j·j·M。van de Ven, N。,和van der Velden, Y. (2016). The social impact of emotional tears.Motiv。条件。40 (3),455 - 463。doi: 10.1007 / s11031 - 016 - 9543 - 0
Waytz,。,Morewedge, C. K., Epley, N., Monteleone, G., Gao, J. H., and Cacioppo, J. T. (2010). Making sense by making sentient: Effectance motivation increases anthropomorphism.j·珀耳斯。Soc。Psychol。99年,410 - 435。doi: 10.1037 / a0020240
维斯,一个。,Wurhofer, D., and Tscheligi, M. (2009). I love this dog—children’s emotional attachment to the robotic dog AIBO.Int。j . Soc。机器人。1 (3),243 - 248。doi: 10.1007 / s12369 - 009 - 0024 - 4
尹,j . (2021)。眼泪来自日本的反应,开发一个哭泣的机器人。勾选:https://news.sbs.co.kr/news/endPage.do?news_id=N1006483478(2022年12月1日访问)。
Zecca, M。,Mizoguchi, Y., Endo, K., Iida, F., Kawabata, Y., Endo, N., et al. (2009). “Whole body emotion expressions for KOBIAN humanoid robot — Preliminary experiments with different emotional patterns,” inRO-MAN 2009 - 18 IEEE国际研讨会机器人和人类互动交流,日本富山,2009年9月27日——2009年10月02(IEEE),381 - 386。
Zeifman, d . M。,和Brown, S. A. (2011). Age-Related changes in the signal value of tears.另一个星球。Psychol。9 (3),313 - 324。doi: 10.1177 / 147470491100900304
Zickfeld, j . H。Arriaga, P。,Santos, S. V., Schubert, T. W., and Seibt, B. (2020). Tears of joy, aesthetic chills and heartwarming feelings: Physiological correlates of Kama Muta.Psychophysiol57 (12),e13662。doi: 10.1111 / psyp.13662
Zickfeld, j . H。,van de Ven, N., Pich, O., Schubert, T. W., Berkessel, J. B., Pizarro, J. J., et al. (2021). Tears evoke the intention to offer social support: A systematic investigation of the interpersonal effects of emotional crying across 41 countries.j . Exp。Soc。Psychol。95年,104137年。doi: 10.1016 / j.jesp.2021.104137
关键词:人机交互、交际机器人、社会机器人,充满感情的泪水,悲伤,哭了起来
引用:Yasuhara Takehara T(2023)机器人泪水能表达增强的悲伤和得到支持的意图。前面。机器人。人工智能10:1121624。doi: 10.3389 / frobt.2023.1121624
收到:2022年12月12日;接受:2023年5月18日;
发表:2023年6月1日。
编辑:
Jose Carlos卡斯蒂略西班牙,马德里卡洛斯三世大学版权©2023 Yasuhara和Takehara。这是一个开放分布式根据文章知识共享归属许可(CC)。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。
*通信:作者Yasuhara,a.yasuhara.do@gmail.com
__这些作者贡献了同样的工作