arXiv cs.CL· Keonhee Jang, Kanghoon Lee, Seokwoo Yun, Namwoo Kim, Yoonjin Yoon·· 10 小时前AI 评分27
基于人物画像的MLLM评估城市机器人如何影响街道安全感
Robots in the City: Persona-Based Perceptions of Urban Robots
AI 导读
研究用首尔街道的18张图像考察机器人存在与类型对感知安全的影响，Qwen3.8-27B和Gemma4-26B各以500个合成人物画像为条件与25名人类完成同一配对选择任务。两个模型都更偏好无机器人的街道，且更接受配送机器人而非人形机器人；夜间更常选择机器人，年长画像更少选择机器人。模型理由中配送机器人被视为物理障碍，人形机器人则被视为威胁或保护来源，Gemma对人形机器人的夜间效应约为人类的三倍。
正文 · AI 翻译
摘要：行人在城市公共空间中越来越多地遇到机器人，但并未与其互动，然而机器人如何改变街道的安全感知仍不清楚。我们考察了机器人的存在与类型如何影响不同城市场景下的安全感知。我们生成了 18 张首尔街道图像，这些图像在一天中的时段、道路等级和机器人条件（无机器人、配送机器人或人形机器人）上各不相同。两个多模态大语言模型（MLLM），Qwen3.8-27B 和 Gemma4-26B，各自以 500 个合成人物设定为条件，在每一对图像中选择更安全的一张，25 名人类受访者完成同样的任务。两个模型都偏好没有机器人的街道，并且更偏好配送机器人而非人形机器人。在夜间，机器人被选择的频率更高，而年长人物设定选择机器人的频率更低，道路等级的影响则较小。在模型的理由说明中，配送机器人表现为物理障碍，而人形机器人则表现为威胁或保护来源。与人类一样，两个模型在夜间选择机器人的频率更高，但选择人形机器人而非配送机器人的频率要低得多，并且 Gemma 对人形机器人的夜间效应约为人类的三倍。这些结果表明，机器人对安全感知的影响取决于其出现的时间，并且以人物设定为条件的 MLLM 仅捕捉了人类判断的一部分。
| 评论： | 10 页，7 幅图 |
| 主题： | 人机交互（cs.HC）；计算与语言（cs.CL）；机器人学（cs.RO） |
| 引用为： | arXiv:2611.05954 [cs.HC] |
| （或 arXiv:2611.05954v1 [cs.HC] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.05954 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Kanghoon Lee [查看电子邮件]
[v1]
2026 年 11 月 4 日星期三 04:48:53 UTC（2,396 KB）
来源：arXiv cs.CL · arxiv.org