醫療機器人失敗、使用者反應與恢復偏好多模態資料集
arXiv - Human-Computer InteractionYashika Batra, Giuliano Pioldi, Promise Ekpo, Arman Sayatqyzy, Purnjay Maruur, Shalom Otieno, Kevin Ching, Angelique Taylor
建立醫療機器人失敗情境下的多模態資料集，揭示失敗對情緒與控制感的負面影響。
AI 幫你先抓重點
AI 重點 1
RFM-HRI資料集捕捉醫療機器人失敗情境下的人機互動，包含多模態資料（語音、表情、姿勢等）。
滑鼠懸停看 AI 判斷理由
此資料集是研究的核心貢獻，提供實際的失敗案例供研究者分析使用者反應，並開發更具同理心與安全性的醫療機器人。它填補了HRI領域中缺乏真實失敗情境資料的空白，能加速相關技術的發展與驗證。
AI 重點 2
研究發現，機器人失敗會降低使用者情緒正向度與控制感，並隨著失敗次數增加，沮喪情緒會上升。
滑鼠懸停看 AI 判斷理由
這揭示了機器人失敗對使用者心理的具體影響，提醒設計者不能忽略失敗時的情感管理。了解使用者情緒的變化趨勢，有助於設計更有效的恢復策略，避免使用者因重複失敗而產生負面情緒，提升使用者體驗。
核心研究發現
- 1
失敗類型（語音、時機、理解、搜尋）顯著降低情緒正向度與感知控制。
- 2
失敗引發混亂、煩躁與沮喪，成功互動則帶來驚訝、釋放與信心。
- 3
隨著失敗次數增加，混亂情緒下降而沮喪情緒上升。
- 4
資料集包含214個互動樣本，涵蓋臉部動作單元、頭部姿勢、語音轉錄與自評報告。
- 5
研究顯示失敗情境下使用者對機器人失敗的回應可用於設計更具人性化的恢復策略。
對教育工作者的啟發
此資料集提供實際失敗情境下的語音、面部、姿勢等多模態資料，可協助機器人設計者在開發時加入自適應回應機制，提升使用者情緒穩定與控制感。研究亦指出，失敗頻率升高時混亂情緒下降、沮喪情緒上升，提示設計者應在重複失敗時提供更具說明性與安慰性的恢復對話，避免使用者產生長期負面情緒。此研究對臨床機器人介入、遠距醫療與教育模擬環境皆具參考價值。
原始文獻資訊
- 英文標題：
- RFM-HRI : A Multimodal Dataset of Medical Robot Failure, User Reaction and Recovery Preferences for Item Retrieval Tasks
- 作者：
- Yashika Batra, Giuliano Pioldi, Promise Ekpo, Arman Sayatqyzy, Purnjay Maruur, Shalom Otieno, Kevin Ching, Angelique Taylor
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- ISTA-DASLab/gemma-3-27b-it-GPTQ-4b-128g
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。