社会互动的工业机器人:用于情绪共同调节的PAD流动模型

科学领域:

• 人与机器人的交互
• 认知科学 认知科学
• 工业机器人 工业机器人 工业机器人

背景情况:

• 工业环境中的协作机器人 (cobots) 可以引起操作员的压力和负面情绪.
• 保持操作员的参与度和幸福感对于繁任务的生产力至关重要.
• 社会互动机器人为情绪调节和改善工作体验提供了潜在的解决方案.

研究的目的:

• 开发和评估一个社会互动的工业机器人,covatar,以增强操作员流体验.
• 引入实时情感建模方法 (BASSF) 来共同调节协作任务期间的操作员情绪.
• 调查情感维度 (PAD) 在预测操作员自我效率和流动中的作用.

主要方法:

• 开发一个具体的covatar (cobot + avatar),用于人机协作.
• 实现BASSF (无聊,焦虑,自我效能,自我同情,流动) 模型的实时情绪建模和调节.
• 控制的实证研究 (N=20,N=12) 使用问卷和采访来评估流动,情绪状态和自我效能.

主要成果:

• 主导维度在与任务相关的环境中显著预测了自我效率和流动.
• 巴斯夫模型和PAD信号显示了推动干预的潜力,以共同调节操作员的情绪.
• 社会互动机器人可以支持福祉,工作满意度,并减少非生产性的情感体验.

结论:

• 基于BASSF模型驱动的Covatar系统显示了在工业环境中改善操作者体验的潜力.
• 数据预先过和每用户校准是最佳模型性能所必需的.
• 需要进一步的研究才能充分理解在这种情况下的流动,快乐和兴奋之间的关系.