Wahrnehmungen der Roboterautonomie messen

Während Menschen mit Robotern arbeiten, können sich ihre Ansichten darüber, wie viel ein Roboter eigenständig tun kann, darauf auswirken, wie sie mit ihm interagieren. Manchmal denkt ein Mensch, dass ein Roboter mehr kann, als er tatsächlich kann, oder umgekehrt. Das kann dazu führen, dass die Fähigkeiten des Roboters nicht optimal genutzt werden oder dass der Mensch enttäuscht ist, wenn er zu viel erwartet. Um dem entgegenzuwirken, wollten Forscher messen, wie Menschen die Fähigkeit eines Roboters, selbstständig zu handeln, wahrnehmen.

In diesem Artikel stellen wir eine neue Methode vor, um zu messen, wie Menschen die Autonomie von Robotern sehen, die wir Robot Autonomy Perception Scale (RAPS) nennen. Dieses Werkzeug hilft dabei, zu verstehen, wie Menschen die Fähigkeiten von Robotern basierend auf fünf wichtigen Aspekten wahrnehmen: Wahrnehmung, Planung, Handeln, Zielverwirklichung und das Ganze ohne externe Hilfe. Wir haben die RAPS in Situationen getestet, in denen ein Roboter mit einem menschlichen Partner auf unterschiedlichen Autonomieebenen kommunizierte, um zu sehen, ob sie Veränderungen in der wahrgenommenen Autonomie basierend auf den Handlungen des Roboters messen kann.

#Hintergrund

Wenn Menschen und Roboter interagieren, bilden sie mentale Bilder davon, was sie denken, dass der Roboter tun kann. Wenn jemand zum Beispiel einen Roboter mit einer Kamera sieht, könnte er denken, dass der Roboter Gesichter oder Objekte sehen kann. Diese Annahmen stimmen jedoch nicht immer mit dem überein, was der Roboter tatsächlich kann. Missverständnisse über die Fähigkeiten eines Roboters können zu einer ineffizienten Nutzung des Roboters oder zu Enttäuschungen beim menschlichen Partner führen.

Es gab zwar einige Forschungen zur menschlichen Autonomie, aber nicht viel Fokus auf die Autonomie von Robotern. Einige frühere Studien haben versucht, dies zu untersuchen, haben aber nur eine einzige Frage gestellt: „Wie autonom denkst du, ist dieser Roboter?“ Diese Methode ist nicht sehr effektiv, besonders bei einem Thema, das viele verschiedene Aspekte beinhaltet.

Zu verstehen, wie Menschen die Autonomie von Robotern wahrnehmen, ist wichtig. Wenn ein Roboter weniger intelligent oder weniger fähig erscheint, kann dies zu einem Vertrauensmangel zwischen Mensch und Roboter führen. Aus diesem Grund wollen wir ein zuverlässiges Mass für die Bewertung der menschlichen Wahrnehmung der Autonomie eines Roboters schaffen.

#Entwicklung von RAPS

Um die RAPS zu erstellen, haben wir damit begonnen, verschiedene Definitionen von Autonomie zu betrachten. Eine Definition, die hervorstach, beschrieb Autonomie als die Fähigkeit des Roboters, die Umgebung wahrzunehmen, basierend auf dem, was er wahrnimmt, zu planen und entsprechend zu handeln. Am wichtigsten ist, dass dies ohne Hilfe von Menschen geschehen sollte.

Diese Definition umfasst fünf Schlüsselaspekte:

1. Fähigkeit, die Umgebung wahrzunehmen
2. Fähigkeit zu planen
3. Fähigkeit zu handeln
4. Fähigkeit, ein Ziel im Auge zu behalten während des Handelns
5. Fähigkeit, dies ohne externe Kontrolle zu tun

Wir glauben, dass wir die Skala basierend auf diesen fünf Aspekten effektiv zur Messung der Roboterautonomie entwickeln können. Um dies zu erreichen, haben wir geeignete Fragen identifiziert, die jeden dieser Aspekte bewerten könnten. Nach sorgfältiger Auswahl haben wir ein Set von 15 Fragen erstellt, das darauf ausgelegt ist, auf einer Skala von 1 (Stimme überhaupt nicht zu) bis 7 (Stimme voll und ganz zu) beantwortet zu werden.

#Testen von RAPS

Um zu sehen, ob RAPS effektiv die wahrgenommene Roboterautonomie messen kann, haben wir es in einem kontrollierten Experiment angewendet. Das Experiment bestand aus einer Gruppe von 76 Teilnehmern, die ein Spiel mit einem Roboter spielten, der auf unterschiedlichen Autonomieebenen mit ihnen kommunizierte.

Im Spiel waren die Teilnehmer dafür verantwortlich, die Ressourcen zu verwalten, die ein entfernter Roboter-Teamkollege sammelte. Der Roboter verwendete verschiedene Kommunikationsmethoden, um Entscheidungen darüber zu treffen, welche Ressourcen gesammelt werden sollten, und fragte manchmal nach einer Eingabe und sagte manchmal einfach, was er als Nächstes tun würde.

Die Kommunikationsmethoden variierten in ihrem Autonomieniveau. Zum Beispiel würde der Roboter im Niedrig-Autonomie-Bereich Fragen stellen wie: „Soll ich weiterhin orange Ressourcen sammeln oder zu pink wechseln?“ Im Mittel-Autonomie-Bereich könnte er sagen: „Kann ich jetzt zu blauen Ressourcen wechseln?“ Im Hoch-Autonomie-Bereich würde der Roboter einfach seine Handlungen ohne Eingabe äussern.

Die Teilnehmer spielten das Spiel unter verschiedenen Bedingungen und erlebten unterschiedliche Kommunikationsverzögerungen, um reale Szenarien zu simulieren, in denen Roboter und Menschen zusammenarbeiten könnten.

Nach jedem Spiel füllten die Teilnehmer eine Umfrage aus, die RAPS beinhaltete, um auszudrücken, wie sie die Autonomie des Roboters wahrnahmen.

#Analyse der Ergebnisse

Nach der Sammlung aller Antworten verwendeten wir statistische Methoden, um die interne Konsistenz von RAPS zu überprüfen und wie gut es Änderungen in der wahrgenommenen Autonomie mass. Die Ergebnisse deuteten auf starke Belege dafür hin, dass die RAPS die Auswirkungen unterschiedlicher Autonomiegrade von Robotern auf die menschlichen Wahrnehmungen messen kann.

Insbesondere zeigten die Ergebnisse, dass, wenn Roboter mit höheren Autonomiestrategien kommunizierten, die Teilnehmer sie als fähiger einstuften. Dieses Muster offenbarte, dass die Art und Weise, wie ein Roboter im Dialog agiert, beeinflusst, wie Menschen seine Fähigkeiten zur Planung, zum Handeln und zum unabhängigen Betrieb wahrnehmen.

Neben der Betrachtung der Gesamt-RAPS-Ergebnisse analysierten wir weiter, wie jeder der fünf Komponenten durch die Autonomiestrategien des Roboters beeinflusst wurde. Die Ergebnisse zeigten signifikante Unterschiede darin, wie die Teilnehmer die Planungs- und Handlungsfähigkeiten des Roboters bewerteten, was darauf hinweist, dass diese Elemente empfindlich auf Veränderungen im Kommunikationsstil reagieren.

Interessanterweise wiesen jedoch die Bewertungen für die Fähigkeit des Roboters, die Umgebung wahrzunehmen, und seine Zielorientierung keine signifikanten Veränderungen basierend auf den Autonomiestrategien auf. Das deutet darauf hin, dass während einige Aspekte der Autonomie offensichtlich beeinflusst werden, andere möglicherweise nicht so stark von der Art der Kommunikation eines Roboters abhängen.

#Implikationen für zukünftige Forschung

Die Ergebnisse heben die Bedeutung von Kommunikationsstrategien in menschlichen Robotik-Interaktionen hervor. Sie unterstützen die Idee, dass unterschiedliche Autonomiegrade durch die Art und Weise, wie ein Roboter kommuniziert, vermittelt werden können, was die Wahrnehmung der Fähigkeiten des Roboters beeinflusst.

Darüber hinaus zeigte RAPS vielversprechende Ansätze zur Messung der wahrgenommenen Roboterautonomie, aber unsere Studie ist nur der erste Schritt. Zukünftige Forschungen sollten sich darauf konzentrieren, die Skala weiter zu verfeinern und zu validieren, indem sie Experten und vielfältigere Teilnehmergruppen einbeziehen. Das wird helfen sicherzustellen, dass RAPS die vielen Dimensionen der Roboterautonomie genau repräsentiert und in verschiedenen Kontexten anwendbar ist.

Ausserdem wäre es vorteilhaft, eine breitere Palette von Szenarien zu schaffen, um RAPS in unterschiedlichen Settings zu testen. Das könnte tiefere Einblicke in die Feinheiten darüber liefern, wie Menschen Roboter in dynamischen Umgebungen wahrnehmen.

#Fazit

Zusammenfassend haben wir eine neue Skala zur Messung der Wahrnehmung der Roboterautonomie vorgestellt und erste Validierungsergebnisse durch ein kontrolliertes Experiment erhalten. Die RAPS-Skala erfasste genau die Veränderungen in der Wahrnehmung der Fähigkeiten eines Roboters, basierend auf verschiedenen Kommunikationsstrategien.

Indem wir uns auf wichtige Aspekte der Autonomie konzentrieren, kann RAPS wertvolle Einblicke in die Interaktionen zwischen Menschen und Robotern liefern. Es eröffnet neue Wege für zukünftige Forschungen, die darauf abzielen, das Design und die Kommunikation von Robotern zu verbessern und letztendlich ein besseres Verständnis zwischen Menschen und ihren Roboterkollegen zu fördern.

Diese Arbeit hebt die Notwendigkeit fortlaufender Forschung zur Verfeinerung von RAPS und zur Validierung seiner Wirksamkeit in verschiedenen Kontexten hervor. Während Roboter immer mehr in unser Leben integriert werden, wird es immer wichtiger, zu verstehen, wie Menschen ihre Fähigkeiten wahrnehmen, um vertrauensvolle und effektive Partnerschaften zwischen Mensch und Roboter zu entwickeln.