史上最大規模機器人“面相”調查:157張臉背後的人類感受
安妮 編譯自 Spectrum.ieee
量子位 出品 | 公眾號 QbitAI
這是一次迄今為止最大規模的機器人“面相”調查。
機器人該長什麼樣子?不同的機器人臉部長相,會給人類怎樣不同的感受呢?
在剛結束的ACM/IEEE國際人機互動大會上,來自華盛頓大學的Alisa Kalegina等人發表了一篇名為Characterizing the Design Space of Rendered Robot Faces的論文。
研究人員收集了157張不同的機器人臉,通過76個維度進行了統計分析,想調查清楚人類對不同長相的機器人體驗有何不同。
研究三維度
此項調查主要在三個方面進行。
一是面部特有元素的有無對人類的感受,如嘴巴、鼻子、眉毛、臉頰/腮紅等,二是面部皮膚及這些特徵的顏色帶來的不同感受,三是每個特徵的大小、形狀和擺放位置的影響。
將這157張機器人臉彙集在一起,能夠大致總結一些特點:
超過三分之一的臉是黑色的。
大多數機器人面部有眼睛和嘴巴,但是沒有脖子、臉頰和眉毛。
圓眼睛是最受歡迎的眼睛形狀,只有10%的機器人的眼睛是擬人化的。
線條簡單的眼睛也很受設計師歡迎。
這些發現只是冰山一角,最因吹斯聽的是下面兩項調查。
調查一:抽象or現實
機器人的面部應該擬人一些還是抽象一些?這是個問題。
研究人員在157張機器人臉中抽取了12張有代表性的,想弄明白人類對機器人面部擬人化程度的感覺。
△ 12張機器人臉 | 越往左代表面部線條越簡單抽象,越往右代表越擬人具體
總共有50人蔘與了這組調查,參與者需要在六組5點的語義差異量表中對機器人的“顏值”打分,並需要評估自己對每個機器人的好感度。
還沒完。此外,參與者需要對每一張機器人臉做出評判,找出它們可能最適合哪種功能或使用場景,還要給每個機器人一個完整的描述。
將參與者們的描述彙總,可以發現一些很有意思的總結——
友好度:Yumi、FURo-D、Buddy和Datou是最友好的機器人。後三個機器人雖然臉部細節多,但看起來不太現實,會讓人產生“恐怖谷效應”。Jibo和Gongzi看起來最不友好!
智力水平:FURo-D和Gongzi是公認最聰明的,而Sawyer、Buddy和Datou被認為是最不聰明的,但他們的評分在“3(中立)”的分數上徘徊,所以也不能說它們蠢~
信賴度:Datou和FURo-D被認為是最值得信賴的,而Gongzi被認為是最不敢信任的。最被調查的50人中,有17人認為Gongzi是“憤怒的機器人”,參與者評價它“看上去很險惡”、“很嚇人”、“像是執法部門使用的”。
整體偏好:最受歡迎的機器人是Yumi和FURo-D,而Jibo是最不受歡迎的,與Gongzi、EMC和Valerie並列。
調查二:五官變化
通過第二組調查,研究人員試圖研究五官的放置位置、細微變化帶給人類的感受變化。
在下圖中有17張相似的機器人臉,在F1這張基準圖的基礎上,研究人員對面部進行微調。
△ 17張相似但具有微小差異的機器人臉
每張臉相較於基準臉都有細微的變化,可能是面部的顏色,眼睛的大小、形狀、顏色和位置,以及是否具有其他的面部特徵,例如耳朵、鼻子、劉海兒和腮紅等。
和調查一一樣,還是50名參與者對機器人進行評估,同樣是上述四個維度,但這次卻有了很多新的發現——
友好度:沒有哪張臉比基準臉更友好,沒有嘴巴、缺少瞳孔和擁有眼瞼的面孔明顯讓人覺得不友好。對了,參與者普遍認為沒有嘴巴的面孔讓人“毛骨悚然”,比如有個人評論“感覺他在監視我的一舉一動”。
智力水平:如果單從相貌上看,眉毛的設計對智力水平的影響可能最大。有眉毛會給人天真的感覺,從而被認為沒那麼聰明。基準臉給人的感覺最成熟。
信賴度:事情的發展軌跡總是那麼得……相似。在可信度調查顯示,沒有誰比基準臉更值得信任。最不值得信任的面孔與被評為最不友好的三張臉是一樣的:有眼瞼、沒有嘴巴和沒有瞳孔的臉。
整體偏好:基準臉最受歡迎。
話說回來,這項調查可以初步指導不同特徵的機器人在不同的場景中的使用。如果你想設計一個安防機器人,那麼就可以考慮給它設計和眼瞼,但不要設計嘴巴就好了~
目前,這個調查還在進行中。研究人員表示,目前發現青少年和成人之間對面孔的感受差異很大。下一步,他們計劃將開展青少年對面孔的感受的研究。
作者系網易新聞·網易號“各有態度”簽約作者
— 完 —
誠摯招聘
量子位正在招募編輯/記者,工作地點在北京中關村。期待有才氣、有熱情的同學加入我們!相關細節,請在量子位公眾號(QbitAI)對話介面,回覆“招聘”兩個字。
量子位 QbitAI · 頭條號簽約作者
վ'ᴗ' ի 追蹤AI技術和產品新動態
相關文章
- Future Workplace:調查顯示90%的人願意接受機器人而非人類老闆指揮機器人
- 與人類共度一年後,機器人的人生開了掛機器人
- 《白皮書》:身邊的人臉安全事件及背後的三類攻擊手段事件
- GitHub開源史上最大規模中文知識圖譜Github
- 史上最大雜耍機器人:8層樓高 丟汽車玩機器人
- Havas:調查顯示超過 1/4 的人會和機器人談戀愛機器人
- 人臉識別背後:可怕的不是技術
- TGDC | 探索人臉藝術背後的技術
- 人工智慧語音機器人如何完美模模擬人語調?人工智慧機器人
- AI錯刪YouTube機器人視訊,背後是人類難以消弭的身份焦慮AI機器人
- 前端人臉識別--兩張臉相似度前端
- 解析波士頓Handle機器人背後的技術機器人
- 人臉活體檢測人臉識別:眨眼+張口
- Linux背後的人(轉)Linux
- 天貓雙11背後的技術力量:一場全球最大規模的AI總動員AI
- Babak Parviz:谷歌手術機器人公司背後的男人谷歌機器人
- 英偉達淨利潤高達50% ARM成史上最大泡沫背後的半導體公司
- 阿里雲:雲端計算支撐雙11成就人類歷史上最大人機協同阿里
- 調查顯示34%工作比重可被機器人替代機器人
- 《宇宙機器人》系列背後的創作團隊——Team Asobi機器人
- 聊天機器人終將改變世界 人類最大的優勢是什麼?機器人
- 數字增長的背後你看到了什麼? 解密雙11幕後的全球最大規模混合雲解密
- 韓遭史上最大規模黑客攻擊 3500萬客戶資訊洩露黑客
- 印度擬建立大規模人臉識別系統 中國安企迎來機遇
- 計算機視覺—人臉識別(Hog特徵+SVM分類器)(8)計算機視覺HOG特徵
- 基因黑客張鋒!講述CRISPR背後不為人知的故事黑客
- 恐懼、野心和迷茫,機器人公民背後的未來世界機器人
- 小米CyberOne,純忽悠的人型機器人機器人
- 移動機器人運動規劃及運動模擬機器人
- 騰訊成聯合國全球合作伙伴,TDSQL如何支撐史上最大規模全球會議SQL
- 計算機視覺—人臉識別(Haar特徵+Adaboost分類器)(7)計算機視覺特徵
- 史上最簡單的人臉識別專案登上GitHub趨勢榜Github
- 人臉識別閘機驚豔美國運動員 背後的黑科技是如何實現的?
- 應該讓機器人幫助人類,還是讓人類幫助機器人?機器人
- 布魯金斯學會:52%調查者認為機器人30年內將接管大部分人類工作機器人
- 揭秘:宜信科技中心如何支援公司史上最大規模全員遠端辦公|下篇
- 史上最大規模ACL大會放榜,百度10篇NLP論文被錄用
- 浙大發布中國規模最大類腦計算機,792顆晶片,億級神經元計算機晶片