Human–robot interaction

In corridors shared by humans and robots, mobile robots should follow paths that are comfortable for passengers and observers. Previous studies have examined straight corridors with uniform width; however, actual environments include varying-width corridors, such as hallways connected to open spaces or containing static obstacles. Comfortable path design in such environments is unclear, and differences between passenger and observer preferences remain underexplored. This study provides initial, context-specific empirical evidence on comfort preferences among robot paths in varying-width corridors from passenger and observer perspectives. Through experiments (n = 35), three paths were examined: a straight wall-following path, a center path with a small heading change, and a wall-following path with a larger heading change. Each path was evaluated in two perspectives (passenger and observer) and two environments with sudden or gradual width changes. Comfort was measured by ranking the three paths. A Plackett–Luce model was used to test within-condition path preferences, the effects of perspective and environment, and their interaction. Across all conditions, the straight wall-following path was mainly preferred. In the sudden-change environment, path preference differed significantly between perspectives: passengers preferred the center path over the path with the larger heading change, whereas observers showed no such preference and rated the latter relatively higher. No significant effect of environment or interaction was detected. These findings suggest that, within the scenarios tested, smaller heading changes are associated with comfort, whereas less center-aligned motion may be particularly relevant when observer comfort is prioritized.

Physical interior elements are increasingly becoming roboticised to support occupant needs. Partitions, ceilings, and furniture can now physically and autonomously change shape or move to architecturally “adapt” indoor spaces, with the aim of improving occupant comfort, satisfaction, and wellbeing. However, occupants sometimes reject these adaptations when they are perceived as disruptive, unpredictable, or difficult to control. Motivated by the goal of making architectural robots more acceptable, we involved an interdisciplinary team of experts in human-building interaction, human-robot interaction, psychology, anthropology, and human comfort to qualitatively re-analyze how occupants accepted adaptations across three previous studies on robotic partitions. We found that an occupant tended to accept an adaptation when they recognized a personal need that the architectural robot was capable of addressing in a socially justifiable way. Accordingly, we developed the Architectural Robot Acceptance Model (ARAM), in which three qualitative thresholds along a continuum of perceived stress severity define four distinct acceptance responses to a specific adaptation. As the positions of these thresholds may vary across occupants and situations, ARAM supports testable estimates of how an occupant may respond to different appraisal states of personal need, adaptation capability, and social justification. Because architectural robot adaptations may simultaneously be experienced as robotic behaviors, building automation, and socially situated environmental adjustments, ARAM is particularly relevant to individual adaptations that enter occupants' spatial experience and may affect co-located others. We then discuss how the model can inform situated estimates of occupant acceptance of architectural robot adaptations, and outline how its broader relevance to other robotic, automated, intelligent, and smart technologies embedded in the built environment may be evaluated in future work.

عناصر فیزیکی داخلی به طور فزاینده‌ای رباتیک می‌شوند تا نیازهای ساکنان را پشتیبانی کنند. دیوارهای جداکننده، سقف‌ها و مبلمان اکنون می‌توانند به صورت فیزیکی و خودکار شکل خود را تغییر دهند یا جابه‌جا شوند تا فضاهای داخلی را به طور معماری «سازگار» کنند، با هدف بهبود راحتی، رضایت و سلامت روانی ساکنان. با این حال، گاهی ساکنان این سازگاری‌ها را زمانی که آن‌ها را مخرب، غیرقابل پیش‌بینی یا دشوار برای کنترل درک می‌کنند، رد می‌کنند. با انگیزه افزایش پذیرش ربات‌های معماری، یک تیم میان‌رشته‌ای از متخصصان تعامل انسان-ساختمان، تعامل انسان-ربات، روان‌شناسی، انسان‌شناسی و راحتی انسان را درگیر کردیم تا به طور کیفی بازتحلیل کنیم که چگونه ساکنان در سه پژوهش پیشین درباره دیوارهای جداکننده رباتیک، سازگاری‌ها را پذیرفته‌اند. دریافتیم که یک ساکن زمانی تمایل به پذیرش یک سازگاری دارد که یک نیاز شخصی را تشخیص دهد که ربات معماری قادر به پاسخگویی به آن به شیوه‌ای اجتماعی-قابل توجیه باشد. بر این اساس، مدل پذیرش ربات معماری (ARAM) را توسعه دادیم که در آن سه آستانه کیفی در امتداد یک پیوستار شدت استرس ادراک‌شده، چهار پاسخ پذیرش متمایز نسبت به یک سازگاری خاص را تعریف می‌کند. از آنجا که موقعیت این آستانه‌ها ممکن است در میان ساکنان و موقعیت‌ها متفاوت باشد، آرام امکان برآوردهای آزمون‌پذیر از نحوه واکنش یک ساکن به وضعیت‌های ارزیابی نیاز شخصی، قابلیت سازگاری و توجیه اجتماعی را فراهم می‌کند. از آنجا که سازگاری‌های رباتیک معماری ممکن است همزمان به عنوان رفتارهای رباتیک، خودکارسازی ساختمان و تنظیمات محیطی اجتماعی-موقعیتی تجربه شوند، آرام به ویژه برای سازگاری‌های فردی که وارد تجربه فضایی ساکنان می‌شوند و ممکن است بر دیگران هم‌مکان تأثیر بگذارند، مرتبط است. سپس بحث می‌کنیم که چگونه این مدل می‌تواند برآوردهای موقعیتی از پذیرش ساکنان نسبت به سازگاری‌های رباتیک معماری را اطلاع‌رسانی کند و چگونگی ارزیابی ارتباط گسترده‌تر آن با سایر فناوری‌های رباتیک، خودکار، هوشمند و هوش‌مند تعبیه‌شده در محیط ساخته‌شده را در پژوهش‌های آتی ترسیم می‌کنیم.