外观
新闻/Robohub·23 天前
格拉斯哥大学AR实测：动漫面孔提升社交机器人情感交互效果
研究团队利用AR技术在Qoobo机器人上测试5种面孔与声音组合，24名志愿者评估显示动漫风格面孔情感表达力优于动物面孔且无恐怖谷效应，面部视觉线索在建立共情连接上显著优于听觉反馈。
AI 整理
- 机型本体
- 感知与导航
本文由 AI 根据公开内容整理，可能有误，请以原文为准：Research could guide the future design of social robots（Robohub）
核心内容
格拉斯哥大学Shaun Macdonald团队针对拟态社交机器人设计缺乏实证依据的痛点，开发AZRA系统并在Qoobo软体机器人本体上进行AR叠加测试。研究招募24名志愿者对5种原型面孔（动物、机器人、Emoji、动漫、纯眼）与5类声音（猫叫、人声、电子音、音乐、Animalese）的组合进行情感清晰度与共情度排名，旨在通过快速原型法量化用户偏好，填补该领域系统性设计研究的空白。
实验结果表明，动漫风格面孔因具备超越真实动物的夸张表达能力且未引发恐怖谷效应，获得与动物面孔同等的高评价；而在多模态交互中，面部视觉特征在传递情绪和建立连接方面始终优于声音线索。尽管人声更易被识别情绪，但受试者对其喜爱度低于动物叫声，证实了非语言化、风格化的视听组合更能激发用户对陪伴型机器人的沉浸感与情感接纳度。
关键看点
- AR快速原型验证：基于AZRA系统在Qoobo实体上叠加虚拟面孔与声音，实现数十种设计方案的低成本并行测试与情感反馈量化
- 动漫面孔优势：动漫风格设计兼具高表现力与宠物感，避免了写实人脸的恐怖谷效应，情感传达效率不输于仿生动物面孔
- 视觉主导情感交互：面部表情在构建共情连接与情绪识别准确度上显著优于语音线索，确立了视觉通道在社交机器人设计中的优先级
- 非人声偏好机制：虽然人类语音情绪可读性更高，但动物叫声或游戏化音效（如Animalese）更能激发用户喜爱度与沉浸体验
工程与产业观察
该研究为陪伴机器人HMI设计提供了关键工程指引：在具身交互中应优先强化面部视觉表达而非单纯追求语音逼真度，动漫化或风格化UI是平衡情感张力与安全感的优选方案。基于AR的虚实叠加测试范式可大幅降低外观迭代成本，建议行业将其纳入产品定义流程，以数据驱动替代经验主义设计。
来源
本页事实对应的公开页面，以原文为准。