Uncanniliy Human - Experimental Investigation of the Uncanny Valley Phenomenon
Seit seiner Einführung in den wissenschaftlichen Diskurs im Jahr 1970 (Mori, 1970; Mori et al., 2012) ist das Uncanny Valley eine der meist diskutierten und referenzierten Theorien in der Robotik. Obwohl die Theorie vor mehr als 40 Jahren postuliert wurde, wurde sie kaum empirisch untersucht. Erst in den letzten sieben Jahren haben Wissenschaftler aus dem Bereich Robotik, aber auch aus anderen Disziplinen, angefangen, das Uncanny Valley systematischer zu erforschen. Allerdings blieben bisher viele Fragen offen. Einiger dieser Fragen wurden in dem vorliegenden Forschungsprojekt im Rahmen von vier aufeinander aufbauenden Studien untersucht. Der Schwerpunkt der Arbeit liegt auf der systematischen Untersuchung des Einflusses von statischen und dynamischen Merkmalen von Robotern, wie etwa dem Design bzw. Erscheinungsbild und der Bewegung, auf die Wahrnehmung und Evaluation von diesen Robotern. Eine Besonderheit der vorliegenden Arbeit ist der multi-methodologische Ansatz, bei dem die durch verschiedenste Methoden und Messinstrumente beobachteten Effekte auf ihre Relevanz für die Uncanny Valley Theorie hin untersucht wurden. Zudem wurden die in der bisherigen Literatur postulierten Erklärungsansätze für den Uncanny Valley Effekt empirisch getestet.
In der ersten Studie wurde anhand von qualitativen Interviews, in denen Probanden Bilder und Videos von humanoiden und androiden Robotern gezeigt wurden, untersucht, wie Probanden sehr menschenähnliche Roboter evaluieren, ob sie emotionale Reaktionen zeigen, und wie ihre Einstellungen gegenüber diesen Robotern sind. Die Ergebnisse zeigen, dass emotionale Reaktion, wenn überhaupt vorhanden, individuell sehr verschieden ausfallen. Das Erscheinungsbild der Roboter war sehr wichtig, denn bestimmte Designmerkmale wurden mit bestimmten Fähigkeiten gleichgesetzt. Ein menschliches Erscheinungsbild ohne Funktionalität wurde eher negativ bewertet. Zudem schienen die Probanden bei androiden Robotern dieselben Maßstäbe zur Bewertung von Attraktivität anzulegen wie sie dies bei Menschen tun. Die Analyse zeigte auch die Relevanz der Bewegungen der Roboter und des Kontextes, in welchem der jeweilige Roboter präsentiert wurde. Es wurde erste Evidenz gefunden für die Annahme, dass Menschen Unsicherheit verspüren bei der Kategorisierung von androiden Robotern als entweder Roboter oder Mensch. Zudem fühlten sich die Probanden unwohl bei dem Gedanken, dass Roboter sie ersetzten könnten.
Die zweite Studie untersuchte den Einfluss von robotischer Bewegung. In einem quasi-experimentellen Feldexperiment wurden Passanten mit dem androiden Roboter Geminoid HI-1 konfrontiert, der sich entweder still verhielt oder Bewegungsverhalten zeigte. Die Interaktionen wurden analysiert hinsichtlich des nonverbalen Verhaltens der Passanten (z.B. auf den Roboter gerichtete Aufmerksamkeit, interpersonale Distanz zum Roboter). Die Resultate zeigen, dass das Verhalten der Passanten von dem Verhalten des Roboters beeinflusst wurde, zum Beispiel waren die Interaktionen länger, die Probanden stellten mehr Blickkontakt her und testeten die Fähigkeiten des Roboters wenn dieser Bewegungsverhalten zeigte. Zudem diente das Verhalten des Roboters als Hinweisreiz für die richtige Kategorisierung des Roboters als solchen.
Der Aspekt des Erscheinungsbildes wurde in der dritten Studie systematisch untersucht. Zu diesem Zweck wurden in einem webbasierten Fragebogen 40 standardisierte Bilder von Robotern evaluiert, um die Evaluation beeinflussende Designmerkmale zu identifizieren. Eine Clusteranalyse ergab sechs Cluster von Robotern, die auf sechs Dimensionen unterschiedlich bewertet wurden. Mögliche Beziehungen zwischen Designmerkmalen und Evaluationen der Cluster wurden aufgezeigt und diskutiert. Zudem wurde die Aussagekraft des Uncanny Valley Graphen untersucht. Ausgehend von Mori’s Überlegungen ist der Uncanny Valley Effekt eine kubische Funktion. Demnach müssten sich die Daten am besten durch eine kubische Funktion erklären lassen. Die Ergebnisse zeigten allerdings eine bessere Modellpassung für lineare oder quadratische Zusammenhänge.
In der letzten Studie wurden perzeptions-orientiert und evolutionsbiologische Erklärungsansätze für das Uncanny Valley systematisch getestet. In dieser Studie wurden Daten aus Selbstauskunft, Verhaltensdaten und funktionelle Bildgebung kombiniert, um zu untersuchen ob sich die Effekte auf Basis der Selbstauskunft und der Verhaltensdaten erklären lassen durch a) zusätzliche Verarbeitungsleistung während der Perzeption von Gesichtern, b) automatisch ablaufende Prozesse sozialer Kognition, oder c) eine Überempfindlichkeit des sogenannten Verhaltensimmunsystems (behavioral immune system). Die Ergebnisse unterstützen die perzeptions-orientierten Erklärungen für den Uncanny Valley Effekt. Zum einen scheinen die Verhaltenseffekte durch neuronale Prozesse während der Wahrnehmung von Gesichtern begründet zu sein. Zum anderen gibt es Befunde, die auf eine kategoriale Wahrnehmung von Robotern und Menschen hinweisen. Evolutionsbiologische Erklärungen konnten durch die vorliegenden Daten nicht gestützt werden.
Since its introduction into scientific discourse in 1970 (Mori, 1970; Mori et al., 2012) the uncanny valley has been a highly discussed and referenced theory in the field of robotics. Although the theory was postulated more than 40 years ago, it has barely been tested empirically. However, in the last seven years robot scientists addressed themselves to the task of investigating the uncanny valley more systematically. But there are still open questions, some of which have been addressed within this research in the course of four consecutive studies. This project focussed on the systematic investigation of how static and dynamic characteristics of robots such as appearance and movement determine evaluations of and behavior towards robots. The work applied a multi-methodological approach and the various observed effects were examined with regard to their importance for the assumed uncanny valley. In addition, previously proposed explanations for the uncanny valley effect were tested.
The first study utilized qualitative interviews in which participants were presented with pictures and videos of humanoid and android robots to explore participants’ evaluations of very human-like robots, their attitudes about these robots, and their emotional reactions towards these robots. Results showed that emotional experiences, if existent, were very individual. The robots’ appearance was of great importance for the participants, because certain characteristics were equalized with certain abilities, merely human appearance without a connected functionality was not appreciated, and human rules of attractiveness were applied to the android robots. The analysis also demonstrated the importance of the robots’ movements and the social context they were placed in. First evidence was found supporting the assumption that participants experienced uncertainty how to categorize android robots (as human or machine) and that they felt uncomfortable at the thought to be replaced by robots.
The influence of movement, as one of the important factors in the uncanny valley hypothesis, was examined in the second study. In a quasi-experimental observational field study people were confronted with the android robot Geminoid HI-1 either moving or not moving. These interactions between humans and the android robot were analyzed with regard to the participants’ nonverbal behavior (e.g. attention paid to the robot, proximity). Results show that participants’ behavior towards the android robot was influenced by the behavior the robot displayed. For instance, when the robot established eye-contact participants engaged in longer interactions, also established more eye-contact and tried to test the robots’ capabilities. The robot’s behavior served as cue for the participants to categorize the robot as such.
The aspect of robot appearances was examined systematically in the third study in order to identify certain robot attractiveness indices or design characteristics which determine how people perceive robots. A web-based survey was conducted with standardized pictures of 40 different mechanoid, humanoid and android robots. A cluster analysis revealed six clusters of robots which were rated significantly different on six dimensions. Possible relationships of design characteristics and the evaluation of robots have been outlined. Moreover, it has been tested whether the data of this study can best be explained by a cubic funtion as would be suggested by the graph proposed by Mori. Results revealed that the data can be best explained by linear or quadratic relationships.
The last study systematically tested perception-oriented and evolutionary-biological approaches for the uncanny valley. In this multi-methodological study, self-report and behavioral data were combined with functional magnetic resonance imaging techniques in order to examine whether the observed effects in self-report and behavior occur due to a) additional processing during face perception of human and robotic stimuli, b) automatically elicited processes of social cognition, or c) oversensitivity of the behavioral immune system. The study found strong support for perception-oriented explanations for the uncanny valley effect. First, effects seem to be driven by face perception processes. Further, there were indicators for the assumption that categorical perception takes place. In the contrary, evolutionary-biological driven explanations assuming that uncanny valley related reactions are due to oversensitivity of the behavioral immune system were not supported by this work.
Altogether, this dissertation explored the importance of characteristics of robots which are relevant for the uncanny valley hypothesis. Uncanny valley related responses were examined using a variety of measures, for instance, self-reporting, behavior, and brain activation, allowing conclusions with regard to the influence of the choice of measurements on the detection of uncanny valley related responses. Most importantly, explanations for the uncanny valley were tested systematically and support was found for cognitive-oriented and perception-oriented explanations.
Vorschau
Zitieren
Zitierform:
Zitierform konnte nicht geladen werden.