会話におけるユーザーとウィザード：WoZインターフェースの選択が人とロボットの相互作用をどう定義するか

Abstract

本論文では、ウィザード・オブ・オズ（WoZ）インターフェースの選択が、ユーザー側およびウィザード側の双方の観点から、ロボットとのコミュニケーションにどのような影響を与えるかを調査した。対話的な設定において、会話入力および出力の制限度が異なる3種類のWoZインターフェースを用いた。すなわち、a) 固定視点の映像とASR（自動音声認識）書き起こしを表示し、ウィザードが事前に台本化された発話やジェスチャーを起動できる、制限付き知覚GUI；b) 参加者からのリアルタイム音声とロボットからの音声を追加した、非制限の知覚GUI；c) ウィザードへ没入型のステレオ映像と音声を配信し、さらにウィザードの自発的な発話、視線、表情をロボットへ転送するVRテレプレゼンス・インターフェース。結果として、VRインターフェースによって媒介された相互作用は、ロボットの機能および知覚された社会的プレゼンスの観点でユーザーに好まれた。ウィザードにとっては、VR条件が最も負荷が高いことが分かったが、それにもかかわらずユーザーとの社会的なつながりがより高く引き出された。VRインターフェースは、話者間ギャップおよびオーバーラップの点で最もつながりのある相互作用を生み出したのに対し、制限付きGUIは最もつながりの弱い流れを誘発し、最大の沈黙を生じさせた。これらの結果を踏まえ、テレプレゼンス・インターフェースを用いたより多くのWoZ研究を行うことを提案する。これらの研究は、未来のロボットをよりよく反映し、自然主義的で文脈づけられた言語的および非言語的行動データに基づく自動化に向けた有望な道筋を提供する。