1. Адаптировать стиль коммуникации, снижать темп и упрощать язык для тревожного пользователя или, наоборот, переходить к сложным темам с заинтересованным.
2. Предвосхищать эмоциональные потребности и распознавать признаки стресса или подавленности по косвенным признакам через паттерны движения, тон голоса и активность. В результате, робот может предлагать помощь от включения расслабляющей музыки до предложения позвонить родственнику.
3. Строить долгосрочные доверительные отношения, понимая границы комфорта и ценности пользователя, робот может действовать предсказуемо и уважительно, что является основой для принятия технологии.
Хотя эта область считается новой, для оценки психологических аспектов взаимодействия человека и робота уже создан целый арсенал инструментов. Именно в сфере этого взаимодействия и следует искать новые решения — как разработчикам роботов, так и создателям программного обеспечения самого разного назначения включая мобильные приложения. Любой новый сенсор или алгоритм может помочь совершить прорыв, который кратно ускорит развитие технологий и повысит эффективность взаимодействия человека и робота.
Опросники.
Сегодня используются стандартизированные опросники, прошедшие проверку на надёжность и точность измерения. Систематический обзор выявил 27 таких инструментов, предназначенных для оценки отношения людей к социальным и домашним роботам. Они измеряют широкий спектр состояний и установок. Примеры включают шкалу негативного отношения к роботам NARS. Это одна из самых ранних и цитируемых систем, которая оценивает тревогу, связанную с взаимодействием с роботами. Шкала принятия человекообразных роботов HARS и шкала воспринимаемой социальности роботов ПСРС охватывают более широкий спектр отношений, включая положительные и нейтральные аспекты. Анкета интереса к робототехнике RIQ используется, например, для оценки интереса, знаний и эффективности учителей в контексте образовательной робототехники. Эти инструменты важный первый шаг, но у них есть ограничения. Они основаны на отчёте и фиксируют состояние «до» или «после» взаимодействия, а не в реальном времени.
Передовые прототипы работают с состояниями в реальном времени, считывают психофизиологические и поведенческие сигналы для вывода о состоянии человека. Это будущее, которое уже начинает сбываться:
1. Emo от Колумбийского университета США.
Это роботизированная голова, которая не только копирует мимику человека, но и способна предугадать улыбку за 840 миллисекунд, чтобы улыбнуться синхронно с человеком. Это прямой пример предсказания намерения и эмоционального состояния на основе визуальных данных.
2. Helix от Figure AI, США.
Представлена проприетарная система для робота Figure 03. Хотя в релизе акцент сделан на тактильном и визуальном восприятии для манипуляций, архитектура системы заточена под сквозное обучение от восприятия к действию. Такой фундамент позволяет в будущем интегрировать модули для анализа эмоционального состояния человека через тон голоса, скорость речи и выражение лица, что потенциально открывает путь к распознаванию десятков сложных состояний.
3. Психометрическая аналитика в образовании от НИУ ВШЭ, Россия. Хотя это и не прототип робота, но зато передовой пример использования больших данных для анализа «цифрового следа» учащихся. Система автоматически анализирует поведение через просмотры видео и выполнение тестов для оценки вовлеченности, трудности контента и изменения подготовленности. Перенос этой логики на взаимодействие с роботом позволил бы ему непрерывно оценивать и адаптироваться к эмоциональному и когнитивному состоянию пользователя на основе его поведенческих паттернов.
Сегодня мы находимся на стыке технологий. С одной стороны, существует острая необходимость в разработке новых, более строгих и всеобъемлющих психометрических инструментов специально для сферы взаимодействия робота с человеком, а с другой идёт стремительное развитие больших языковых LLM и визуально-языковых моделей VLA как в случае с Figure и OpenAI. Это открывает путь к созданию систем, которые будут учиться понимать человека напрямую, через естественное общение и наблюдение.
Идёт активное слияние опросников с решениями на базе искусственного интеллекта через использование стартового набора данных для обучения нейросетей распознаванию психологических особенностей по поведенческим паттернам. Также популярна мультимодальная интеграция через комбинирование анализа речи по тону и скорости, компьютерного зрения через мимику, позу и данных с носимых устройств через пульс и кожно-гальваническую реакцию для составления целостной картины состояния. Особенно актуальна разработка прозрачных протоколов сбора и использования сверхчувствительных психометрических данных, сбор которых упирается в вопросы доверия и этики. Без решения этих вопросов массовое внедрение будет невозможным.