社交远程机器人在医疗救援中的角色

医疗现场演练中的社交远程存在机器人

摘要

本文报告了一项实地研究的观察结果，其中医疗救援人员使用社交远程呈现机器人与扮演被困受害者的参与者在两次搜救演习中进行通信。机器人、受害者和救援人员之间的交互过程表明，机器人存在两种不同的社交身份：一种是作为远程医务人员的纯粹媒介，另一种是被视为独立的社会主体。充当受害者的参与者在与每种身份交互时表现出灵活性。机器人的社交身份对未来发展远程呈现系统具有重要意义，尤其是在医疗保健领域。由于演习中的受害者同时关注机器人和远程医务人员，机器人的社交行为者角色可能会分散对远程连接个体的注意力。本研究为探讨远程医疗专业人员与其用于协助患者的机器人之间的角色冲突提供了起点。

关键词

人机交互；机器人社会身份；辅助机器人技术

1 引言

研究文章在越来越多的情境中，人类高度依赖机器人作为通往远程世界或资源的媒介，例如老年护理[5]、应急响应[1]和医疗保健[15]。例如，在老年护理中，机器人充当老年患者与医疗服务提供者之间的纽带，以实现可能为间歇性或常规检查的交互过程。在这些情况下，人类（“依赖者”）通过作为代理的机器人与多个其他人类（“控制者”）相连交互过程的持续时间。该场景带来了诸多挑战，因为注意力可能在机器人本身和远程操作员之间分散。

本研究考察了在搜救场景中，扮演被困受害者角色的参与者与社交远程存在机器人之间的交互过程。由于灾难中被埋于瓦砾下的受害者在等待解救期间可能会与外界隔离数小时，社交远程存在机器人成为接收外界支持的一种有前景的媒介。研究观察了两名参与者在灾难城®的模拟坍塌建筑环境中，对由德克萨斯州第一特遣队五名医疗救援人员操控的机器人所作出的反应。选择该环境是因为其高度逼真，使医疗救援人员能够在类似于实际救援事件的场景中探索机器人的使用。这一设置也使得作为受害者的参与者对机器人高度依赖，其结果预计将从搜救场景延伸应用于医疗保健领域。

机器人“幸存者伙伴”由救援人员远程操作，并根据救援人员的指令以及机器人子系统的可用性展现出不同的听觉和视觉行为。医疗救援人员主要通过“幸存者伙伴”来评估依赖者的状况，并向受害者询问其身体状态。

研究期间收集的观察结果显示，参与者会隐式地将机器人视为一个独特的社会实体，并对其给予注意力。参与者将注意力集中于机器人还是远程操作员，取决于其将某个行为归因于哪个实体。研究还表明，尽管参与者在机器人与远程操作员之间转移注意力时并未表现出任何混淆的迹象，但两者之间仍存在争夺注意力的可能性。此外，研究确定了八个有助于描述参与者注意力焦点的因素。

本文的结构如下：第2节简要总结了有助于理解本研究的先前研究。第3节概述了该探索性研究中采用的方法。第4节详细描述了实地研究中的观察结果，而第5节则描述研究发现并将其与先前研究联系起来。第6节讨论影响和未来工作。文章在第7节以对贡献的简要总结作为结尾。

2 相关工作

三项先前的研究领域为理解本次实地研究的设计、实施以及观察结果的解读提供了有益的基础。本节简要描述了与远程呈现机器人、社交机器人在搜救行动中的应用以及社会认同理论相关的相关工作。

2.1 远程呈现机器人

远程呈现机器人能够使远程用户连接到遥远位置，并在远程位置获得一种具身感。远程呈现机器人已在包括办公室、医疗机构、学校和家庭在内的多种环境中得到广泛研究和应用[12–14]。无论是商业化系统还是主要为研究目的而开发的系统，均提供了多种外形规格和功能[4]。

尽管远程呈现机器人正变得日益成熟，但大多数研究工作仍集中于提升通过机器人进行交流的两个人类用户之间的体验，而将机器人本身仅仅视为促进这种交互过程的媒介或工具。那些专注于为远程呈现平台提供自主能力的研究，通常关注的是使机器人作为设备更易使用的功能（例如自动避开低WiFi覆盖区域、自动导航至充电站），或保护平台的功能（例如碰撞避免、楼梯检测）。远程呈现机器人的总体目标是增强人类之间的通信，同时谨慎避免赋予机器人自身任何主体性。这一目标在大多数远程存在应用中是可取的，但在搜救行动等场景中，或许可以通过允许机器人自身在远程呈现场景中承担社会角色而获得益处。

2.2 搜索与救援机器人技术

在灾难场景中，受影响区域内的人员可能会受困、受伤且被遮挡而无法看见，需要应急响应专家进行搜救以及救援行动。通常，将移动机器人部署到人类或犬类难以或无法安全搜索的区域会更具优势[7]。该领域的大多数先前研究都集中在通过团队表现和个体认知负荷等指标来量化使用机器人的响应团队的有效性，从而评估机器人系统在灾难场景中的可用性[2, 6]。

然而，研究工作也已扩展到将搜救机器人用作一种社交通信平台，以连接被困受害者和救援人员[3]。在发现被困受害者后，许多不同角色的人员（如医生、结构工程师、家属）都将有与受害者沟通的需求。此外，受害者在等待解救的过程中可能会被孤立数小时。这使得在搜救领域使用社交远程呈现机器人成为一个值得进一步研究的方向。

2.3 社会认同理论

计算机是社会行为者（CASA）模型解释了人类通常将计算机视为社会实体[8]。随着人机交互成为研究领域，CASA模型在人类与机器人交互时的有效性已得到证实。该模型认为，机器要么被视为一种纯粹的媒介（例如电视机），要么被视为社交主体（例如社交机器人），具体取决于其特定属性。然而，CASA模型并未直接涉及通过社交机器人与其他人进行沟通的情况。

尽管许多社交机器人研究在实验室研究中使用了巫师模式方法（即远程人类操作员）来控制社交机器人，但其目标是让参与者相信机器人是一个没有远程人类操控的社交主体[9]。斯特劳布等人采用了一种与远程呈现 somewhat 类似的场景，在公共空间环境中观察对远程操作人形机器人的控制及其交互过程，并重点关注被赋予该机器人的身份问题[11]。该研究考察了作为操作员的参与者是否会为机器人创建一个独特的身份或投射自己的身份，同时也考察了与机器人交互的参与者会将行为归因于机器人本身还是操作员。通过视频和音频编码分析，研究发现，除了与研究人员的两次交互外，参与者并未通过机器人向操作员讲话，而是始终将言语直接指向机器人这一独特的社交主体。该工作预

3 探索性研究

一项实地研究被用作收集对机器人行为反应的手段，该研究在设计上具有探索性。选择这种方法是因为它能够深入洞察搜救远程呈现系统实际用户的需求和行为，同时为应急响应人员提供进一步培训的机会。实地研究不受约束的特性有助于提出新的研究问题，这些问题随后可以通过严格的受控实验室实验进行检验和加强。因此，实地研究可以在方法论上发挥作用，协助指导实验室实验的设计。

3.1 场景

为了模拟真实的灾难响应情况，研究使用了位于德克萨斯州大学站的灾难城®训练中心内的物理模拟建筑物倒塌环境（见图1）。该交互过程被设定为被困受害者（依赖者）、救援机器人和医疗救援人员之间的无约束交互过程。医疗救援人员遵循紧急事件中医疗分诊的标准程序[10]。选择此类内容和沟通方式是为了研究救援人员在使用机器人进行分诊时所形成的交互过程模式。

过程。机器人的作用是通过作为医疗救援人员的代理来促进交互过程，同时作为受害者的陪伴者。医疗救援人员被要求使用幸存者伙伴机器人的双向沟通功能对被困受害者进行分诊，并评估其受伤严重程度。

与实际部署场景类似，救援人员在模拟灾难现场附近搭建的大型帐篷中开展工作。救援人员无法直接看到模拟建筑物倒塌现场，只能通过机器人平台提供的视频流进行操作。研究人员通过安装在救援人员帐篷和灾难现场的多摄像头监控系统，对救援人员和受害者参与者进行了监测。

3.2 机器人系统

演习使用了配备幸存者伙伴情感机器人头部的 iRobot SUGV机器人，以与受害者互动（见图2）。幸存者伙伴头部是一个具有四个自由度的情感机器人头部，包含触摸屏、网络摄像头、扬声器和麦克风。幸存者伙伴头部旨在帮助与受害者沟通，并提高他们在受困期间的舒适度。在演习中，救援人员使用SUGV机器人接近被困受害者，启动幸存者伙伴头部，并尝试与受害者进行沟通。

在本研究中，基础机器人（SUGV）通过计算机显示器和标准游戏手柄控制器进行控制，而幸存者伙伴头部则通过标准笔记本电脑上的网页界面进行控制。幸存者伙伴界面允许救援人员访问：

双向音频和视频聊天、机器人头部运动控制、合成语音以及屏幕共享。

3.3 参与者

该探索性研究使用了两名参与者（参与者1和参与者2），他们是有经验的志愿者，熟悉犬类搜索试验，扮演受害者角色；另有来自德克萨斯州第一特遣队的五名医疗专家作为救援人员参与。所有参与者均为年满18岁的健康成年男性。选择该人群的原因是，这些志愿者此前曾有在物理模拟灾难场景中长时间处于密闭空间的经历，而医务人员则在其德克萨斯州第一特遣队职责中具备丰富的分诊经验，并有过与作为被困受害者的依赖者互动的经历。

3.4 程序

该研究分为三个部分：1）交互前任务，2）交互任务，3）交互后任务。每位参与者平均需要约2小时完成整个研究，其中与机器人相处的时间接近一小时。

在交互前阶段，参与者阅读并签署了德州农工大学机构审查委员会和灾难城®要求的知情同意书。扮演受害者角色的参与者被告知，他们将进入一个封闭空间，并在那里停留最多180分钟。在此期间，他们将与一台搜救机器人进行交互，但未提供具体的指令或期望。参与者被给予一对讲机，作为沟通手段

在紧急情况下的沟通。随后，参与者从一个独立的隧道（图3左侧）进入瓦砾，并前往标记有荧光棒的位置。到达指定位置后，参与者被要求侧卧在右侧。研究现场很暗，只有通过裂缝进入的自然光，但光线并不充足。图 4显示了一名参与者躺在模拟灾难现场并与机器人互动的情景。参与本研究的救援人员也在与机器人操作地点分开的区域查阅并签署了知情同意书。随后，向救援人员简要介绍了机器人平台的功能，并回答了他们关于机器人提出的任何具体问题。

在交互阶段开始时，安装在SUGV底盘上的幸存者伙伴机器人在参与者就位至少五分钟之后，从相对的入口（图3右侧）进入瓦砾区域。机器人接近受害者后，幸存者伙伴头部打开，随后医疗救援人员尝试向受害者进行自我介绍。医疗人员进行了分诊，整个交互过程平均持续39分钟。救援人员提出的问题包括：”Canyoumove yourfingers?” 和 “Doyousee anyone elsewithyou?”。尽管研究人员在场以解答救援人员在使用系统过程中可能遇到的任何问题，但交互过程主要由医疗响应团队主导。

研究人员负责驾驶机器人底盘到达指定位置，但直接接受救援人员的指令。交互结束后，扮演受害者角色的参与者通过对讲机收到交互已完成的通知，并被要求通过他们进入时的隧道离开瓦砾区域。该实验在上午中段和下午时段于专用区域进行。

在交互后阶段，参与者进行了相互

由研究团队的两名成员进行观察。他们被要求描述在与机器人交互过程中他们的感受，是否经历了积极或消极的体验，以及哪些方面需要改进。随后，向参与者说明了研究的相关信息，至此他们的参与结束。

数据通过视频观察和非结构化录音访谈收集。由于机器人交互过程发生在低光照条件下，因此使用了四个红外夜视摄像头。图像和音频来自四个摄像头视角：参与者正面视角、参与者背面视角、医护人员左侧视角、医护人员右侧视角。

4 观察结果

进行了两次灾难应急演练，每次使用不同的参与者作为受害者，但采用相同的医疗响应团队。本节描述了每次试验的定性叙述以及从试验录像中提取的关键交互事件。由于所有事件均来自演练的视频录像，因此部分捕捉到的事件对于参与研究的人员而言是不可见的（例如，当机器人音频系统出现故障时，参与者之间无法听到对方，但这些数据被记录在视频录像中）。

4.1 分析方法

所有报告的观察结果均基于对两次实验的视频录像以及对扮演受害者角色的参与者进行访谈的音频记录。分析工作首先由两名熟悉该场景的研究人员观看每次实验的视频录像，并独立列出与视频时间码相对应的机器人的行为、受害者的行为以及救援人员的行为。这些审查最初集中于单一实体（例如，仅关注机器人的行为，而不考虑受害者或救援人员）。随后，研究人员各自独立地整体观看每次实验过程，并形成叙述性描述，同时记录显著或有趣的事件。之后，研究人员将各自独立列出的事件清单进行比较，并通过回顾相关影像片段（使用多个摄像头角度）来解决任何差异。

一旦生成清晰的事件时间线，两名研究人员便结合参与者的录音访谈和录制的视频画面进行分析以更准确地推断参与者在交互过程中的感知。尽管从视频录像审查中编码的大多数事件都是客观事件（例如参与者说话、机器人移动），但在社会认同理论的上下文中解释这些事件的意义仍需主观判断（例如尖锐、大声、单字回答是针对机器人本身，而非远程响应者）。因此，我们强调，这些观察结果有助于激发新的研究领域，但在当前阶段对系统设计的指导作用有限。

4.2 交互叙述

本节对每次练习进行了定性描述，而图5展示了每位参与者在交互时间内八种事件类型的出现情况。研究人员在查看会话录像时发现，这八种事件类型有助于理解在场景进行过程中任意时刻与机器人的交互过程，相关内容将在4.4节进一步说明。

参与者1的交互过程开始时，机器人先进行了三分钟的定位，随后打开了Survivor Buddy的头部。头部打开后，救援人员立即尝试与受害者建立双向音视频通信链路。由于子系统故障，双向通信中的音频流无法运行，仅保留了双向视频流。在交互的前15分钟内，救援人员并未意识到音频链路出现故障。由于救援人员未被告知给予参与者的具体指令，因此参与者可能是在模拟受伤或认知混乱的状态。交互进行近10分钟后，研究人员得以确认给予参与者的指令，并开始排查潜在的音频系统故障。在整个会话过程中，图5显示救援人员有时处于脱离状态，这些情况包括救援人员相互商议制定计划，或研究人员使用救援人员界面诊断系统错误。交互15分钟后，研究人员确认参与者无法听到救援人员的声音，并将此限制告知救援人员。在此期间，参与者一直凝视着视频流，但未尝试进行沟通。一旦救援人员得知音频链路无法工作后，便开始通过视频链接展示手写标识，向参与者提出标准分诊问题。该参与者以口头回答和手势方式作出了回应，

本次会话中双向视频无法使用
本次会话中机器人的显示屏无法使用
书面标识 显示的 音频聊天尝试
救援人员 脱离交互
救援人员 脱离交互
图5: 各会话期间事件的时间线

尽管救援人员已告知音频链路无法工作。大约在交互开始25分钟后，救援人员尝试使用合成语音向参与者提问。参与者表现得像是在与一个语音识别系统对话（即用清晰发音但词汇量有限的方式），但由于部分合成语音并不总是能被理解，他变得沮丧起来。参与者还通过手势表达了对合成语音的不满。在使用了约5分钟的合成语音后，救援人员重新切换回手写标识进行沟通。大约在交互进行到36分钟时，救援人员脱离了视频链接（尽管视频流仍然开启，但画面中不再有人出现），以规划下一步行动。在此期间，机器人进行了无明确框架的头部动作。参与者对此头部动作作出反应，用手势再次向机器人表明自己的受伤情况，尽管救援人员并未提出此类要求。在持续45分钟的交互后，救援人员结束了此次交互，参与者也被带离了该场景。

参与者2的交互过程始于机器人靠近并打开幸存者伙伴的头部。受害者在几分钟内没有做出回应，因为救援人员和研究人员尚不清楚，幸存者伙伴显示屏和音频连接处于非活动状态。这导致救援人员能够看到受害者，但受害者无法看到或听到救援人员。救援人员和研究人员识别出音频连接的故障，但在整个交互过程中并未意识到机器人显示屏也出现了故障。为了引起参与者的回应，救援人员提示幸存者伙伴头部进行水平旋转和俯仰，并做出Yes手势。参与者通过模仿这些手势向机器人作出回应。大约在交互开始20分钟后，参与者短暂地对机器人说话，询问是否有人能听到他。在交互进行到约24分钟时，使用了合成语音，但语音无法听清，参与者口头回应表示他们没有听懂。在剩余的交互过程中，参与者继续追踪幸存者伙伴机器人的头部动作。在整个场景中，参与者无法与任何救援人员沟通。32分钟后，救援人员终止了该场景，参与者退出。

4.3 参与者访谈

在参与者结束交互过程并离开模拟灾难环境后，研究人员立即对两名扮演受害者角色的参与者进行了访谈，了解他们的体验。

参与者1在访谈中表示，他怀疑救援人员在互动过程中无法听到他的声音。他还提到，他不确定摄像头位于机器人的哪个位置，并且并非总能看清屏幕上的内容。该参与者还表示希望机器人能离他更近一些，并认为机器人并不“诡异”或令人害怕。此外，参与者确认，在该环境中合成声音非常难以听清。该参与者还表示，他将机器人视为“基本上就是一个协助营救他的人”。

参与者2认为机器人与他的物理距离足够近，但也表达了对无法确定机器人传感器位置（即摄像头位置）的担忧。与参与者1一样，他也指出合成语音难以理解。在访谈中发现，交互过程中机器人的显示屏并未正常工作，但该参与者认为机器人的状态是正常的，并未将屏幕内容的缺失报告为故障或异常。该参与者还表示，机器人的物理存在让他感到安慰。他并未假设救援人员正在控制机器人，而是认为机器人的动作是由机器人自身做出的（而非远程操作员），尽管他确实表达了这样的观点：由于机器人找到了他，外部世界的人已经知道他受困了。这与他在交互开始24分钟时的言语表达一致，当时他曾询问是否有人能听到他。

4.4 关键交互过程事件

由于该研究不受限制且没有严格的操控，因此通过检查每次会话的视频录像所捕捉到的特定事件，来分析参与者与机器人之间的交互过程。两位熟悉该研究的研究人员共同查看了会话的视频录像，并就每场会话中需要进一步分析的八种事件类型达成一致。

这八种事件类型被选中，是因为它们都是人类参与者和机器人身上容易观察到的属性。其中四种事件类型是相关的与机器人的行为相关，而四个与参与者的反应相关。人类行为的事件类型为：

1. 对人说话 ：当参与者通过机器人向人类操作员说话时，即发生此事件。在图5中参与者1的“对人说话”轨迹上，从15分钟处开始可以看到这种行为的一个示例。参与者通过口头回应远程响应者在视频链接上举起的提问标志。为了判断参与者是否在对人类说话，需考虑其言语的上下文、内容和语调。例如，如果该话语是对远程响应者发出的刺激（如视频链接上显示的标志）的直接回应，则显然属于对人类的说话。

2. 向人类打手势 ：当参与者做出有目的的手势，旨在向通过机器人工作的救援人员传递信息时，此事件发生。例如，在图5中，参与者1的“向人类打手势”轨迹大约在15分钟处就出现了这种情况。在此示例中，救援人员要求受害者指向其受伤部位，而参与者则通过手势（指向）回应救援人员以指示其受伤位置。值得注意的是，上下文和其他线索有助于判断一个手势是否符合此类事件的要求。一些手势没有明确的目标接收者（如轻微的动作或姿势调整），而另一些手势，例如参与者2模仿机器人的动作，则被认为是受到机器人本身引发的。

3. 对机器人说话 ：此事件包括任何直接针对机器人本身或预期由机器人处理的言语，而不是直接对通过机器人工作的人类救援人员说的话。例如，在参与者1的“对机器人说话”轨道上，图5中大约25分钟处就出现了这种情况。在此情况下，参与者正在回应一段提出问题的合成语音。对机器人的说话通过上下文、内容和语调来识别。例如，当被机器人的合成声音提示时，参与者1会调整他的回应，使其变得响亮、短促且清晰，形成通常在语音识别系统中使用的语调。这种言语上的调整明确表明，参与者正在调整其口头回应以适应自动化系统的识别需求。

4. 向机器人做手势 ：当参与者做出有意义的手势并希望机器人识别时，即发生此事件。在图5中参与者1的“向机器人做手势”轨迹上，大约37分钟时出现了此类事件。在此情况下，参与者开始通过手势示意自己的受伤情况，并非由于救援人员的提问，而是响应机器人头部以扫描方式进行移动所作出的反应。尽管该手势也有可能是面向救援人员的，但这种可能性较小，因为救援人员此前已在对话中提出过与受伤相关的问题，而在机器人开始移动头部时并未正与参与者互动。

除了考虑人类行为的四种事件类型外，还考虑了机器人行为的四种事件类型。这些属性需要较少的观察和人为判断即可确定，并且可以直接从机器人的系统日志中获取。然而，为了确保准确性，这些行为也通过检查交互过程的视频来确定。所考虑的机器人行为的四个属性是：

1. 双向视频 ：此事件表示人类救援人员的视频流在机器人上处于活动状态，参与者可以实时看到救援人员。由于子系统故障，本研究中的此事件仅表示双向视频信号，不表示双向音频信号。图5显示，对于参与者1，视频会议在大部分互动过程中均处于活动状态。但需要注意的是，有时救援人员会走出视频流的视野范围，导致显示屏上显示的是救援人员所处环境，但画面中没有救援人员。

2. 合成语音 ：此事件发生在机器人使用合成语音与参与者进行交流时。如图5中参与者1的合成语音轨迹在25分钟处所示。在此情况下，由于双向音频子系统发生故障，因此使用合成语音试图缓解救援人员与参与者之间的沟通问题。所使用的语音明显为合成语音，不太可能与自然人声混淆。

3. 显示内容 ：此事件表明，机器人的屏幕内容不是视频流，而是与人类救援人员无关的静态图像或标志。如图5所示，这种情况仅发生在参与者1交互的开始阶段。

4. 非框架化移动 ：此事件指机器人在无远程操作的情况下移动其头部（水平或俯仰），明确地将动作与其自身意图联系起来。相反，框架化移动是指远程操作员明确发起的动作。非框架化移动最可能发生在参与者2与机器人之间的交互过程中，因为远程响应者无法通过视频或音频与受害者进行沟通。需要注意的是，一些参与者仍可能将非框架化移动归因于操作员。

5 发现

结合两次交互过程的观察结果以及先前研究中关于计算机系统的社会属性和社会身份谱系的详细论述，提炼出五项重要发现。第一，参与者似乎将机器人既视为一种纯粹媒介（即通信设备），又视为社交主体（即机器人具有独立于远程响应者的意图），其中参与者1可能体验到了中间状态，即将机器人视为一种社交媒介。第二，观察结果显示，参与者的注意力目标受到机器人行为和远程救援人员行为的共同影响。第三，尽管并未明确设定机器人的能力或目的，但机器人似乎隐含地具备某种社会身份。第四，所采用的分析方法表明，社会身份可能是由参与者将机器人的行为归因于谁或什么所决定的因素。第五，两位参与者在实验过程中均表现出引人注目的反应，其中参与者1在不同社会身份之间转换，而参与者2则模仿了机器人的动作。

5.1 机器人的社会身份

纳斯等人提出的“计算机作为社交主体”（CASA）模型为机器人具有社会身份[8]奠定了基础。当远程操作员通过电话或计算机等设备与他人进行沟通时，远程操作员被视为社交主体，而该设备通常被视为纯粹媒介。然而，如果某个设备（或机器人）本身被认为具有社交特征，并且被直接进行沟通，则该设备将被视为社交主体。在远程存在应用中，沟通设备（机器人）和远程操作员都有可能被视作社交主体的这一场景是独特的，但迄今为止仍相对缺乏研究。

尽管“计算机作为社交主体”范式强调了两种极端：纯粹媒介（如对讲机）和社交主体（例如社交机器人）和社会远程呈现设备，既可以传递远程社会行为者，自身又能作为社交主体，呈现出一种第三种社会身份的潜力：即社交媒介。

社交媒介被认为是一种状态，即机器人既不单纯是纯粹媒介，也不单纯是社交主体（见图6）。例如，当参与者1将注意力转向远程操作员时，他暂时将机器人视为纯粹媒介。当远程救援人员移出视频画面以相互商议，而机器人开始移动其头部时，参与者1通过手势回应自己的受伤情况，似乎是在回应机器人的自身行为。在这种情况下，该参与者很可能是将机器人当作社交主体对待。当遇到救援人员可见于屏幕但机器人使用合成声音提问的场景时，参与者1会调整自己的语言回应方式以适应语音识别，这表明他推测是机器人本身在试图理解他的言语，而非远程的人类救援人员。这证明了机器人社会身份之间的转换，以及机器人作为社交主体和媒介可能同时共存的情况。

这种场景并不一定等同于两个人类与一个机器人相互交互。由于远程呈现机器人传递了远程人类社交主体，因此在吸引注意力方面可能比远程操作员更具优势。此外，一种不采取任何行动以获得自身主体性的远程呈现机器人，可能会保持为一种纯粹媒介。场景的设定也会影响机器人获得自身社交主体身份的可能性。尽管目前尚不清楚哪些具体行为能够使远程呈现机器人获得社会主体性，但将机器人的行为直接归因于远程操作员，很可能是抑制机器人发展出自身主体性的一种有效策略。

5.2 参与者的注意力

对参与者与机器人及远程操作员的交互过程进行回顾后发现，参与者注意力的目标（通过头部注视、言语和手势来判断）可能是远程操作员、机器人，或在两者之间分配。利用先前确定的八种交互事件类型，对整个交互过程中的注意力目标进行了估计。

参与者2似乎主要将机器人平台视为一个社交主体，因为缺乏远程操作员存在的明确迹象（回想一下，远程存在显示器已关闭）。然而，尚不清楚参与者2使用语言的行为是针对机器人平台还是针对隐含假设的远程操作员（在访谈中未就此问题询问该参与者）。在交互后访谈中，该参与者表示认为机器人是自主执行移动行为的，但由于机器人定位到了他，人们就知道他处于受困状态。

参与者1在远程操作员和机器人本身之间表现出多次注意力转移，有时似乎在这两者之间呈现出一种注意力的分散。这些注意力的转移表现得十分灵活，不过这种转换可能得益于机器人和远程操作员之间目标的一致性。交互结束后对参与者1的访谈证实，他认为在整个场景中，机器人具有自身的社会角色，而不仅仅是一种与响应者建立联系的手段。

5.3 身份的隐性特征

机器人的社会身份通常是作为纯粹媒介（即远程社会行为者的门户）或作为社交主体（即将机器人本身视为具有社会性的存在）。尽管以往的研究探讨了在明确操控和设定机器人感知社会身份的上下文中的社会身份问题，但本研究的结果首次对隐式出现的社会身份进行了考察[3]。这一发现尤其引人关注，因为观察结果显示，机器人在交互过程中的行为能够改变其被感知的身份。

身份灵活性的一个 compelling 例子体现在对参与者1从纯粹媒介转变为社交主体的观察结果中。在通过机器人与应答者交流26分钟后，机器人使用合成语音向参与者1提出一个问题。当参与者1没有理解该问题时，其回应道，“repeat”，采用人类与语音识别系统交互时常用的清晰语调和风格。这与参与者1之前随意且对话式的回应形成对比，例如“yes, but for what?”。参与者1继续使用这种回应方式，并交替使用同义表达，如“say again”和“repeat”，直到机器人停止使用合成语音。该参与者对说话风格的调整可能表明其将机器人视为与远程响应者不同的独立实体。

在一次类似的演示中，交互开始37分钟后，当救援人员脱离交互时，机器人开始水平旋转和俯仰其头部，以获得参与者1更好的视角，这导致该参与者重新用手势指示其模拟的受伤情况。尽管救援人员此前并未要求其再次指示受伤部位，且在更早前与救援人员持续4分钟的交互中，该参与者已明确说明了自己的伤情，但这一反应仍然发生了。参与者1通过用手势指向并按摩模拟受伤区域来表明其腿部的模拟受伤情况。

这两个事件的发生并未对机器人进行任何明确的社会实体设定，表明参与者从简单的机器人行为中主动感知到了社会身份。这说明，在人类与机器人系统的交互过程中，社会身份是被主动且持续地感知的，并凸显了在设计社交机器人时考虑身份感知的必要性。此外，观察结果表明，即使没有刻意构建身份或设计内容，与机器人交互的人类也会利用机器人行为中任何可获取的线索或细微之处来推断其身份。这提醒我们，人类会进行强烈的社会推断以促进交互，即使交互对象是机器人。因此，机器人设计者应警惕机器人行为中的任何瑕疵，以免引发错误的社会推断。

5.4 意图归因

上一节中的两个图示使我们提出，机器人身份认知可以通过机器人的行为以及参与者将这些行为归因于谁来刻画。简而言之：社会身份由意图归因决定。意图归因是指与机器人互动的人将机器人的行为或意图归因于哪一个实体，是机器人本身还是机器人的操控者。例如，如果一名应答者通过双向通信向受害者传达信息：“我将让机器人向前移动。”，受害者会立即将随后的任何动作归因于回应者的意图，而非机器人本身的意图。类似地，如果一个机器人遇到被困受害者，并使用合成语音和自主头部凝视动作进行交流：“救援人员很快就会赶到。”，受害者则会将语音和动作视为机器人自身的意图。前一个例子体现的是纯粹媒介，而后一个则是社交主体的实例。

意图归因可以通过检查机器人的听觉和视觉行为来推断。例如，如果人声通过机器人传出，则该语音的意图很可能被归因于人类说话者，而非机器人本身。类似地，如果机器人在其屏幕上显示动画眼睛，则眼部运动所传达的意图很可能被归因于机器人自身，而不是人类。

在本研究中，听觉属性包括：合成语音或人类语音；视觉属性包括：应答者的视频流、机器人的默认屏幕以及机器人头部的运动。通过记录这些属性的存在情况，并交叉参考参与者的反应，可以估计机器人的身份。将机器人呈现的刺激视为意图归因及相应社会身份的特征描述，使得第三方观察者能够估计参与者所处的身份情境。

5.5 有趣的参与者反应

该研究揭示了与机器人社会身份相关的两种有趣行为。首先，尽管缺乏任何过渡线索，参与者1似乎经历了四次社会身份的转变，并做出了适应性反应。其次，仅将机器人视为社交主体进行互动的参与者2，表现出对机器人头部动作的共情模仿。

先前研究在搜救情境中检验社会身份的结果表明，与纯粹媒介身份相比，社交媒介身份降低了参与者感受到的孤立感，而社交主体身份则减轻了参与者的恐惧[3]。然而，以往的研究设计中，在社交媒介条件下，机器人表现为作为社交主体传递来自远程操控者的信息。在我们的研究中，参与者1经历了不同身份之间的转换，以及远程响应者与社交机器人共存的情况。这与之前对社交媒介身份的实现方式明显不同，因为它允许重新暗示参与者可能同时关注人类和社交机器人。这意味着可能存在更复杂的动态，未来的研究应探索超越社会中介角色的社交媒介的影响。

参与者2在将机器人视为社交主体时，表现出模仿机器人动作的行为。在此交互过程中，机器人的显示屏和音频系统同时遭遇意外故障。因此，参与者面对的是一个无法发声且屏幕空白的机器人。救援人员和操作员并未察觉显示屏的故障，但意识到了音频系统的故障。他们试图通过屏幕上的视觉元素进行沟通，但由于屏幕失效，参与者未作出回应。救援人员继续分诊评估过程，移动机器人的头部以获取参与者的不同视角，这导致参与者用自己的头部跟随机器人头部的运动。当出现这一行为时，机器人操作员启动了机器人头部的Yes手势。参与者2用自己的头部模仿了“是”手势，这种模仿行为共发生了三次，并伴随着对机器人头部动作的跟踪。值得注意的是，即使在与救援人员长达30分钟没有任何语言或视觉沟通的情况下，该参与者仍然微笑并持续跟踪机器人的头部。这一结果主要反映了人类在与新型技术互动时所表现出的适应性和好奇心，同时也表明参与者的反应受到机器人功能的影响。在此情况下，机器人仅表现出作为具备使用头部手势能力的社交主体的功能，而参与者则相应地调整自身行为，试图表现出响应性。这一结果表明，受限的能力或身份并不一定构成问题，因为人类能够适应机器人的能力。有趣的是，参与者直到访谈结束时才无意中提到机器人的显示屏在交互过程中已关闭，并未意识到这是非预期的情况。

6 影响

实地研究的观察结果还为探讨人机交互的见解和影响提供了依据。本节描述了机器人社会身份编码方案的基础、对医疗与辅助机器人技术的具体见解，以及远程操作员与机器人之间在注意力竞争方面的自主性问题。此外，还描述了该研究的局限性和未来的研究问题。

6.1 迈向分类方案

该研究利用观察数据中的八个因素来估计参与者注意力最可能的指向对象。通过并行分析机器人的行为中的四个因素和参与者行为中的四个因素，可以估计参与者注意力的目标。机器人行为与参与者行为的刺激-反应特性使得能够分类哪些机器人行为会将注意力引向或引离机器人。

该方案对于机器人系统设计者而言至关重要，因为它能够实现对机器人感知方式的特征描述。尽管当前方案仅考虑了少量的听觉和视觉线索，但随着从社会身份角度考察具有不同能力的机器人，纳入其他线索的扩展很可能会发生。此外，在构建更完整的社会身份模型时，也有必要考虑人类对机器人的反应。

为了形成一个可用的分类方案，有必要开展实验室研究，通过操控并严格控制机器人的不同参数，同时收集参与者的反馈。在实验室研究确立了这些参数后，可以在实际场景中验证这些参数的影响及其出现情况，以确认该方案的有效性。一个成熟的社交身份分类方案对于社交机器人和辅助机器人未来的发展至关重要，因为它能够使机器人系统以及远程参与的人类理解与系统互动者的注意力焦点。一个定义明确的方案将有助于厘清这些机器人的设计过程，并协助将沟通方式塑造成最适合应用需求的形式。

6.2 医疗与辅助机器人启示

尽管本研究聚焦于现场医疗护理，但其结果可应用于医疗与辅助机器人领域的许多其他场景。关于社会身份的研究发现，可能在任何自然的人机交互中都会出现，尤其是当机器人同时作为远程呈现设备和辅助或社交设备时。这些发现有助于确保向使用此类设备的患者正确传达机器人的社会身份。

机器人作为护理的一部分。可能需要进行的一项重要扩展是增加更明显的提示和机器人状态通知，因为一些患者可能无法投入足够的认知资源来与机器人互动。与本研究中仅扮演受害者角色的参与者不同，实际遇到的患者和受害者可能正遭受认知混乱，因此可能需要来自机器人的更显著提示，才能正确理解其身份。

本研究发现的结果还为应对辅助机器人可能出现的通信问题或系统故障提供了思路。例如，一个传递远程医生身份的机器人可能会遇到网络问题，导致与医生的连接中断。此时，机器人不必显示静态的故障信息，而可以切换身份进入社交行为者模式，与患者互动，直到与医生的通信恢复。在这种情况下，机器人具备多种身份的能力有利于提升用户体验，并有助于防止用户产生挫败感。

6.3 自主性与注意力竞争

观察结果显示，参与者能够轻松地在物理机器人和远程操作员之间转移注意力。尽管所考察的场景并未产生远程操作员与机器人竞争注意力或发出相互冲突请求的情况，但这种竞争仍有可能发生。如果出现对立的注意力需求，尚不清楚远程操作员是否能够在情境中维持其存在感与权威性。由于机器人在物理上处于与其互动的人附近，其吸引注意力的线索可能比远程操作员的更强烈。在这项实地研究中，机器人通过微小的头部动作和合成语音便能轻易捕捉参与者的注意力。一个更具社交吸引力的机器人可能会获得参与者更多的注意力。

这种注意力分散的潜在问题可以通过为机器人设计一些行为来缓解，这些行为能够顺应远程操作员的需求。例如，机器人通过将头部向后倾斜以表示正在倾听远程操作员，这是一种引导注意力的可行方式。同样，可以对机器人的社交行为进行简单调整，使其考虑到远程操作员对注意力的需求，从而帮助确保参与者不会因机器人的社交特性而分心。

这种交互过程还需要在自主机器人功能和远程操作员控制的功能之间进行仔细的权衡。虽然传统的远程呈现机器人通常具备执行简单任务（如避免碰撞）的自主功能，但社交远程呈现机器人则有可能实现更复杂的自主性。例如，在灾难场景中，当与救援人员的通信中断时，被困受害者可能会受益于机器人具备高级社交自主性。这同时也起到了限制机器人与救援人员之间所需网络通信量的实用作用。相反，如果机器人无法成功处理较高级别的社交功能（如安慰被困受害者），那么让机器人承担强烈的社交主体角色可能是不合适的。还需要进一步的研究来更好地理解人们如何根据机器人和远程操作员的行为转移注意力，以及哪些功能应该能够在没有远程人类干预的情况下由机器人独立完成。

6.4 局限性和未来问题

研究结果的范围受限于：研究领域局限于搜索与救援，参与者的心理状态，机器人的外观限制，以及参与者数量较少。

搜索与救援环境可能有助于在机器人与参与者之间建立专注的交互过程，而这种交互在包含干扰因素的其他环境中可能不会发生。未来研究应探讨社会身份在其他场景中的出现情况。此外，所选择的领域可能会给参与者带来一定程度的压力和认知疲劳，但这可能不如辅助机器人的其他用户所经历的认知混乱那么严重。这提出了根据参与者的认知状态调节转换提示和状态提示强度的可能性。这也适用于用户可能与机器人交互、分心后再重新与机器人互动的场景。在这种情况下，提供清晰的机器人上下文指示器可能会变得更加重要。

机器人是一种外观受限的机器人，其外形设计使其能够附着在传统的搜救机器人上。这种体验可能与例如参与者可以将其放在膝盖上的机器人，或与具有更多自由度和情感表达能力的机器人互动时的体验有所不同。未来的研究应阐明情感表达能力的增强是否会提高或降低对机器人社会身份的操控能力。此外，其他模态像触觉或触觉反馈这样的因素可能需要作为定义社会身份的模型的一部分进行考察。

最重要的是，本研究具有探索性，仅涉及两名参与者与机器人进行交互。尽管获得了大量关于无引导交互的信息，但这些信息具有轶事性质，仍需通过严格的对照研究来进行可靠推断，以进一步推动机器人社会身份的发展。这将需要开展实验室和实地研究，以提取每种身份的相关特征，并验证其在自然交互环境中的出现情况。

7 摘要

本文展示了从模拟现场医疗场景的实地演练中收集的观察结果和解释。这些观察结果聚焦于交互过程中的特定事件，以及参与者如何在机器人与远程操作员之间分配注意力。研究结果表明，具备足够社会线索的社交远程临场机器人可能获得独立于远程操作员的社会身份。尽管参与者表现出在机器人与远程操作员之间灵活转移注意力的能力，但注意力分散以及远程操作员临场感丧失的可能性仍然存在，尤其是在机器人与操作员争夺注意力的交互过程中。参与者能够在机器人与远程操作员之间灵活切换，这表明可能存在一种身份谱系，在该谱系中，机器人平台的角色介于纯粹媒介与社交主体之间。这种潜在的第三种身份反映了注意力在社交机器人与远程操作员之间转换的独特情境。先前研究仅通过明确框架和内容操控观察到社会身份的存在，而本研究则提供了无需框架即可隐性存在社会身份的实例。本研究提出，社会能动性归因是机器人自身发出的特定社会线索所致，而非归因于远程操作员。本研究所呈现的结果对辅助性与社交机器人具有重要意义，因其揭示了人类可能因机器人的行为与表现方式不同而对其产生不同的感知。未来的研究应侧重于通过对照研究建立更完整的机器人社会身份特征描述，以实现可靠推断与泛化。