Locomotion Variability and User Experience in Smart Wheelchair Human-Robot Interaction

想象一下你正在学习骑自行车。起初，你会不停地摇晃，车把也会左右扭动，行进路线也显得有些凌乱。但随着你变得越来越熟练，你并不仅仅是变成了一个完美的、走直线机器。你学会了通过微小的、自然的调整来保持平衡。当风吹过来时，你可能会稍微向左或向右摆动，或者绕过一个水洼采取一条略微不同的路线。这种“摇晃”并不是错误；它实际上是一个健康、具有适应性系统的标志。在科学领域，这被称为变异性（variability）。这个概念是指人类的运动本质上是杂乱且不可预测的，但这种杂乱遵循着一种模式：在我们需要精确的时候（比如在红灯前停车），我们会非常稳定；而在不重要的时刻（比如在笔直的路上巡航），我们会更加灵活。

现在，想象一个试图帮助你的机器人。长期以来，工程师们认为最好的帮助方式是扮演一个严厉的教练，不断说：“别摇晃了！要完美！”他们制造出的机器人试图抹平每一次细微的抖动，强迫人类进行完美的、笔直的、枯燥的移动。但这篇文章提出了一个大问题：如果机器人因为试图追求过于完美而反而让情况变得更糟了呢？如果通过消除所有自然的摇晃，机器人实际上夺走了我们的控制感呢？这项研究处于机器人学与人类心理学的交汇点，探讨了允许人类表现得稍微“凌乱”一点，是否实际上会让人们感到更有掌控感，并对所获得的帮助感到更满意。

智能轮椅实验

在这项研究中，研究人员使用一台**智能动力轮椅（IPW）**设计了一个巧妙的实验。请不要仅仅把这把轮椅看作一把椅子，它是一个可以“感知”你如何推动它，并能提供一点推力来辅助你转向的机器人。目标很简单：将轮椅从起点推过一道门，到达终点线。但研究人员想要观察不同类型的“帮助”是如何改变体验的。

他们测试了三种不同的驾驶方式：

1. “无帮助”模式： 你完全靠自己推动轮椅。这是作为基准，用以观察你自然的运动方式。
2. “严厉教练”模式 (lowVar)： 机器人不断纠正你的路径，抹平每一次细微的摇晃，以保持你在一条完美的直线路径上。这就像是在车把上有一只机器人的手，绝不允许你哪怕偏离一毫米。
3. “聪明伙伴”模式 (highVar)： 这是研究人员发明的一种全新的、特别的模式。在这里，机器人的角色更像是一位优秀的教练。当你处于房间中间（此时偏移影响不大）时，它让你自由地摇摆和晃动；但当你接近门口或终点线（此时需要精确）时，它才会介入，给予你有力且稳定的引导。

他们的发现

结果令人惊讶，也非常有趣。当研究人员观察数据时，他们看到“聪明伙伴”模式成功地保留了人类运动自然的、呈钟形分布的模式。就像在“无帮助”模式中一样，人们在房间中间时会摇晃，而在起点和终点时则保持稳定。然而，“严厉教练”模式却抹平了一切，使路径看起来像一把僵硬的尺子。

这里有一个核心结论：“聪明伙伴”模式并没有让任务变得更难。 事实上，人们在使用“聪明伙伴”模式时到达终点的准确度，与使用其他模式时一样高。机器人并没有破坏表现；它只是让人们回归了人类的本色。

但真正的魔力发生在参与者的感受上。

• 控制感： 当人们使用“严烈教练”模式时，他们报告说感觉自己掌控感大大降低。感觉像是机器人在接管一切，而他们只是在随波逐流。他们的“代理感”（sense of agency）——即那种“是我在执行动作”的感觉——显著下降。
• 幸福感： 相比之下，“聪明伙伴”模式让人们感到更有掌控感，几乎与没有任何帮助时一样。他们还评价这种模式比完全没有帮助时更“实用”且“易于使用”。

一位参与者甚至完美地描述了这种差异：在“严厉教练”模式下，轮椅感觉像是被固定在轨道上，被迫按照机器人的意愿行驶。但在“聪明伙伴”模式下，轮椅感觉更轻盈、更容易控制，就像机器人是一个伙伴而非老板。

这为什么重要

本文指出，我们不需要把人类的运动视为一个需要被修复的问题。长期以来，工程师们认为变异性（即那些摇晃）只是需要被清理掉的“噪声”。这项研究表明，噪声实际上是一个特性，而不是一个缺陷。通过设计出尊重我们自然、杂乱运动模式的机器人——仅在我们真正需要时提供帮助——我们可以构建出让我们感到更有能力且更具自主性的系统。

研究人员谨慎地表示，虽然这些结果很有前景，但它们是基于针对一小群人（18名参与者）的特定测试。他们发现，保留自然变异性既不会损害表现，也确实提升了人们对机器人的感受。这表明，未来辅助型机器人的设计重点不应是强迫人类成为完美的机器，而是构建能够理解并尊重我们那略带摇晃的、自然的人类节奏的伙伴。