최소 모션 기반 감정 표현과 HRI
Minimal Motion for Emotional Expression in HRI
2
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
최근 사용자–로봇 인터랙션은 로봇의 기능 수행 외 사용자와 정서적으로 소통하는 능력을 중요하게 다루고 있다. 이를 ‘감성적 인터랙션’이라 하며, 로봇의 감정 표현과 사용자 인식에 관한 연구가 활발하다. 설계의 핵심은 로봇이 감정을 어떻게 표현하고, 사용자가 이를 어떻게 이해하는가에 있다. 그러나 선행 연구는 주로 로봇의 복잡한 움직임이나 외형 중심의 설계에 집중하였으며, 최소한의 움직임만으로 감정을 명확하게 전달할 수 있는 연구는 미진하였다. 이에 본 연구는 로봇 모션의 최소 단위를 ‘단일 요인’으로 규정하고 이를 ‘최소 모션’으로 정의하였다. 또한 눈(E), 머리(H), 팔(A), 조명(L) 네 가지 요인을 기반으로 단일 요인만을 사용하는 유니모달 조건과 단일 요인의 조합인 복합 요인을 활용한 멀티모달 조건을 구성하였다. 실험 결과, 모든 감정 유형에서 p <.05 수준으로 유의미한 인식이 확인되었으며, 상관관계(Cramér’s V)의 평균은 약 .30 범위로 소-중간 수준의 영향력을 보였다. 이는 사전 설명 없이도 최소 모션만으로 감정 전달이 가능함을 입증한다. 이는 응답의 우연성과 동일 경향을 보기 위한 A/B 테스트를 통해 검증되었다. 따라서, 설계된 모션은 감정을 표현하고 인식하기에 적합함을 시사한다. 또한, 단일 요인(눈, 팔, 머리 등)만을 사용한 유니모달 조건은 참가자가 기쁨, 슬픔, 놀라움, 분노의 감정으로 각각 구분하여 인식하였다. 멀티모달 조건 또한 참가자가 각각의 특정 감정으로 구분하여 인식하였다. 또한 서로 다른 요인 조합이라도 동일한 감정 표현으로 인식될 수 있었다. 선행 연구와 파일럿 테스트를 통해 세부 감정으로 구분한 놀라움(긍정/부정)과 분노(능동/수동)는 실험을 통해 세부 감정이 각각 다른 요인으로 표현되는 것을 확인하였다. 본 연구는 감정 표현에서 복잡한 모션 없이 참가자가 충분히 인식할 수 있는 정도의 표현력을 가지고 있음을 실증하였으며, 향후 정서적 소통 목적을 위한 소셜 로봇의 모션 설계를 위한 기준을 제시한다. 후속 연구로는 감정 표현 간 강도 비교, 실질적인 의사소통력의 검증, 그리고 다양한 사용자를 폭넓게 이해하기 위한 나이와 맥락을 고려한 연구가 필요하다. 본 연구는 정서적 소통을 위한 소셜 로봇 디자인의 실용화에 기여할 기초 연구로서 활용되기를 기대한다.
Abstract
Background : In contemporary Human–Robot Interaction (HRI), emotional engagement between users and robots is gaining increasing attention beyond functional task execution. This study focuses on Affective Interaction, emphasizing how robots express emotions and how users perceive these expressions. While prior research has predominantly addressed emotion expression through complex movements or visual appearance, few studies have examined how emotions can be effectively communicated through minimal motion. Methods : To address this gap, this study explores four expressive modalities—Eye (E), Head (H), Arm (A), and Light (L)—and constructs two experimental conditions: Unimodal (using a single modality) and Multimodal (combining multiple modalities). Each condition was evaluated for its ability to convey discrete emotional states. Participants successfully identified emotional expressions without prior instruction, with recognition patterns confirmed through A/B testing to eliminate random response effects. Results: The experiment revealed that Unimodal expressions—utilizing only one expressive factor such as eye, head, or arm movement—enabled users to accurately distinguish between joy, sadness, surprise, and anger. Multimodal combinations also supported reliable emotion recognition. Notably, the same emotion could be conveyed through different modality combinations, indicating expressive redundancy and design flexibility. Furthermore, nuanced emotional variants, including positive/negative surprise and active/passive anger, were successfully differentiated using distinct configurations, reflecting findings from prior pilot studies. Across all conditions, recognition was statistically significant (p <.05), with an average effect size (Cramér’s V) of approximately .30, indicating a small to moderate correlation. Conclusion : The study demonstrates that minimal motion can suffice for clear emotional communication, providing practical implications for the design of expressive yet efficient social robots. Future work should investigate the intensity of emotional expressions, communicative effectiveness in interaction contexts, and user diversity across age and situational settings. This research offers a foundational basis for designing emotionally communicative social robots with minimal complexity.