선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 감정은 인간과 로봇간의 친화적인 상호작용을 개발하고자 하는 연구에서는 반드시 연구돼야 할 요소 중의 하나이다. 그렇기 때문에 본 연구에서는 쇼핑을 지원하는 로봇에 필요한 감정에 대한 대표 샘플을 선정하기 위해서 피실험자 6명을 대상으로 앞에서 선정된 감정(감사, 거절, 고민, 당황, 반가움, 수긍, 신남)을 표현하도록 하였다. 그 결과 7가지 감 정표현에 대한 6명의 42가지의 샘플을 도출하여, 감정별 의미분별 척도법에 따른 직관적 평가에 따라 감정별 대표 샘플을 선정하였다.
- 비언어 정보로서의 표정과 제스처의 최종적인 결과를 바탕으로 제작된 로봇의 감정 표현이 일반인에게 어떠한 이미지를 전달하는지 생리데이터를 통하여 검증하기 위하여 뇌파 측정을 하였다. 뇌파 측정에 의한 검증은 각 감정의 의미를 정확하게 전달하는지에 대한 검증이 아니라, 초기 피험자에 의해 얻어진 각 감정 표현 동영상과 그에 대응하는 로봇의 감정 표현이 내포하고 있는 이미지가 어느 정도 유사한 수준인지를 파악하기 위한 것이다.
- 따라서, 본 연구에서는 앞에서 제시된 설문 결과 중에서 상품 위치 안내 기능과 카트 이미지 형태에 주안점을 두고 디자인 방향을 설정하였다.
- 특히, 행태분석에서도출된 기능과 일부 중복되는 것이 나타났는데 이는 다른 어떤 니즈보다도 우선적으로 로봇 개발 시 적용되어야 한다. 따라서, 본 연구에서는 필요기능 도출의 실체적인 상관관계를 알고 가상 시나리오를 반영한 쇼핑 지원 로봇의 니즈 구조도를 작성하여 HRI 디자인 요소 설계 시 기초자료로 활용하였다.
- 본 연구는 사례연구 형식으로 쇼핑서비스 지원 로봇을 대상으로 사용되어지는 장소, 대상, 필요기능 등에 적합한 쇼핑지 원 로봇을 개발하는 데 있어 로봇 디자인 요소에 관하여 기능의 상관관계에 따른 필요기능을 도출하고, 앞에서 정의된 HRI 디자인 요소에 대한 설계를 전개했다. 그리고 쇼핑 서비 스지원 로봇 디자인을 전개하였다.
- 본 연구에서는 설문조사, 행태분석, 쇼핑로봇 필요기능 도출까지 연구를 진행하는 데 있어서 각각의 쇼핑 구매 단계와 가상 시나리오를 통한 로봇 상황을 알아보았다. 구매 단계는 매장 도착과 로봇 수령, 구매필요정보 입력, 품목별 구매, 구 매종료 및 로봇반납 순으로 설정하였다.
- 본 연구에서는 실험 결과를 분석함에 있어서 음에 대한 심리적 공간을 중심으로 그 결과를 해석하였다. 음에 대한 인상을 분석하고자 할 때, 제공되어진 몇 개의 감성어를 기준으로 샘플음에 대한 인상을 기록하게 되고 그 값들을 '샘플음에 대한 감성 반응치'라 한다.
- 이를 위해서 사람과 로봇의 원활한 커뮤니케이션을 위한 인터랙션이 필요한 것이다. 이에 본 연구를 통하여 HRI 디자인의 의미와 역할 등 로봇 디자인의 인식에 대해 조명하고 로봇디자인 분야 및 로봇 디자인 구성 요소에 대해서 정립하였다. 특히, 제스처(Gesture), 표정(Expression), 사운드(Sound)의 HRI 디자인 요소 구성을 쇼핑 서비스 로봇에 적용하여 구체적인 결과를 도출하였다.
- 인간과 함께하는 데 있어서 인간 친화적인 형태 디자인 기술과 동적 측면이 강조된 HRI(Human Robot Interface)디자인 연구가 중요하다. 이에 본 연구에서는 인간-로봇간의 상호작용을 하는 데 있어서 보다 자연스럽게 공존할 수 있는 방안에 대해서 모색하였다.
제안 방법
- (그림 12) 특히, 관련 선행연구 3)를 통하여 음의 감성 반응에 가장 깊이 관여하는 물리적 요소는, 엔베로프 곡선의 선단부(attack)와, pitch를 통한 배음구조(음의 깨끗함), 그리고 잔향(release rate) 이라는 것이 밝혀졌음으로 이. 3가지 물리적 속성의 상관관계를 중심으로 물리적 요소를 분석하였다.
- 본 연구에서는 이에 앞에서 쇼핑로봇에 적용 가능한 감정별 대표 샘플을 선정하였다. 7가지 대표 샘플에 대하여 기초적인 특징의 변화량을 관찰하였다. '감사함'의 경우에는 6단계로 특징 변화가 뚜렷하게 구분되었으며, 다른 제스처도 4~7단계 내에서 각각의 특징 변화가 뚜렷하게 구분되었다.
- 특히, 제스처(Gesture), 표정(Expression), 사운드(Sound)의 HRI 디자인 요소 구성을 쇼핑 서비스 로봇에 적용하여 구체적인 결과를 도출하였다. HRI 디자인에 대한 유효성 검증을 위해서 모션캡쳐, 애니메이션, 뇌파, 사운드 등이 통합된 인간과 로봇과의 구체적인 인터랙션을 제시하였다.
- 실험용 음들의 물리적 요소는 주파수 특성에 근거하여 추출하였다. Spectra Lab의 3D surface를 이용하여 dB과 Hz그리고 시간의 데이터를 추출하여 비교분석하였다.(그림 12) 특히, 관련 선행연구 3)를 통하여 음의 감성 반응에 가장 깊이 관여하는 물리적 요소는, 엔베로프 곡선의 선단부(attack)와, pitch를 통한 배음구조(음의 깨끗함), 그리고 잔향(release rate) 이라는 것이 밝혀졌음으로 이.
- 앞에서 도출된 13개 비언어 정보에 대한 검증을 실시하였다. 검증은 1차적으로 로봇전문가 5명을 대상으로 의미분별 척도법에 의해 7척도를 사용하였다. 그리고 값에 대한 평균값을 비교 분석하였다.
- 이렇게 해서 완성된 애니메이션을 피실험자 10명을 보여주고, 연상되는 감정을 표시하게 했다. 검증은 7단계로 7가지 감정을 대응하여 평가하였다. 그 결과 감사의 애니메이션에서는 감사함 평균값이 5.
- 본 연구에서는 설문조사, 행태분석, 쇼핑로봇 필요기능 도출까지 연구를 진행하는 데 있어서 각각의 쇼핑 구매 단계와 가상 시나리오를 통한 로봇 상황을 알아보았다. 구매 단계는 매장 도착과 로봇 수령, 구매필요정보 입력, 품목별 구매, 구 매종료 및 로봇반납 순으로 설정하였다. 그리고 품목별 구 매단계에서는 구매시작, 구매정보 입출력, 이동, 계산, 기타의 5가지의 세부 상황으로 분류하였다.
- 그리고 마지막으로 디자이너와 엔지니어가 3회에 걸친 회의와 수정을 통해 적합성을 고려하여 최종 디자인 안을 도출하였다. 특히, 메카니즘 ?구성에 따르는 레이아웃 및 구동부의 적용 가능한 메카니즘을 우선적으로 적용한 연구결과를 토대로 아이디서 스케치를 전개해서 최종 디자인 안을 도줄하였다.(그림 7)
- 제스처의 특징 변화량은 각 기준점의 X, y, z축의 좌표값, 각 기준점상호간의 각도 및 각 기준점의 단계별 이동 속도와 같은 3차원 입체공간 내에서의 복잡한 값을 가지고 있기 때문에 기초특징 변화량 관찰단계에서 2D 영상 및 사진을 가지고 분석한 결과는 한계가 있다. 그래서 기초특징 변화량 관찰단계에서 분석된 결과를 가지고 모션캡쳐 장비를 이용하여 3차원 데이터를 기반으로 더욱 구체적인 정량 데이터를 도출하였다.
- 설정된 구매 단계에 대한 로봇 상황을 나열하였다. 그리고 각각의 상황에 대한 기초적 HRI 표현 대상으로서의 비언어 정보를 도출하였다.(표2)
- 또한 각 부분에 대한 레이아웃 및 앞에서도출 된 필요기능을 잘 구현될 수 있도록 아이디어를 전개하였다. 그리고 마지막으로 디자이너와 엔지니어가 3회에 걸친 회의와 수정을 통해 적합성을 고려하여 최종 디자인 안을 도출하였다. 특히, 메카니즘 ?구성에 따르는 레이아웃 및 구동부의 적용 가능한 메카니즘을 우선적으로 적용한 연구결과를 토대로 아이디서 스케치를 전개해서 최종 디자인 안을 도줄하였다.
- 본 연구는 사례연구 형식으로 쇼핑서비스 지원 로봇을 대상으로 사용되어지는 장소, 대상, 필요기능 등에 적합한 쇼핑지 원 로봇을 개발하는 데 있어 로봇 디자인 요소에 관하여 기능의 상관관계에 따른 필요기능을 도출하고, 앞에서 정의된 HRI 디자인 요소에 대한 설계를 전개했다. 그리고 쇼핑 서비 스지원 로봇 디자인을 전개하였다. 또한, 앞에서 제시한 HRI 디자인에 대한 유효성 검증을 위해서 모션캡처, 애니메이션, 뇌파, 사운드 등의 실험을 통해 검증하였다.
- 다음으로 기본 단위에 대한 환산이 끝난 데이터를 단순화하였다. 데이터를 단순화하는 방법에 있어 표정의 특징에 영향도가 높다고 판단되는 두 가지 변화량 데이터의 최대, 최소, 변곡점 등의 특정 데이터에 주목하였다.
- 먼저, 머리부와 몸통부, 팔 부분과 구동부로 나누어 각 부분에 대한 도출된 문제점에 적합한 디자인 안을 선택하였다. 또한 각 부분에 대한 레이아웃 및 앞에서도출 된 필요기능을 잘 구현될 수 있도록 아이디어를 전개하였다. 그리고 마지막으로 디자이너와 엔지니어가 3회에 걸친 회의와 수정을 통해 적합성을 고려하여 최종 디자인 안을 도출하였다.
- 쇼핑서비스 지원은 많은 고객을 상대하기 때문에 먼저 인간 친화적이면서도 관련 정보를 편리하고 정확하게 제공할 수 있어야 한다. 또한 사용자의 필요기능에 부합할 수 있으며 그 필요기능을 원활하게 수행하기 위한 로봇의 형태로 디자인을 전개 하였다.
- 그리고 쇼핑 서비 스지원 로봇 디자인을 전개하였다. 또한, 앞에서 제시한 HRI 디자인에 대한 유효성 검증을 위해서 모션캡처, 애니메이션, 뇌파, 사운드 등의 실험을 통해 검증하였다.
- 먼저, 각 대표 샘플에서 표정 변화가 이루어지는 프레임을 구분하여 각각의 프레임에 대하여 앞에서 설정한 기준점과 기준선의 변화량을 계측하였다.
- 쇼핑서비스 지원 로봇의 각 부분 형태도출을 위해서 디자인 컨셉과 부합될 수 있는 형태의 선정을 위해 여러 각도에서 검토되었다. 먼저, 머리부와 몸통부, 팔 부분과 구동부로 나누어 각 부분에 대한 도출된 문제점에 적합한 디자인 안을 선택하였다. 또한 각 부분에 대한 레이아웃 및 앞에서도출 된 필요기능을 잘 구현될 수 있도록 아이디어를 전개하였다.
- 본 연구에서는 3차원 데이터의 제스처 정보 변화량에 대한 특징을 정확하게 알아보기 위해서 모션캡쳐 장비를 이용하였다. 이 정보는 향후 쇼핑로봇 시뮬레이션을 제작하는 데 기본 자료로 사용되었다.
- 최근 들어, 정보과학이 현저하게 발전하는 것과 함께, 컴퓨터와 로봇을 시작으로 한 지능형 보조기기에 있어서는, 이러한 감성 정보를 다루는 문제가 상당하게 중요한 요소로 작용된다. 본 연구에서는 표정의 분석을 제스처의 분석과는 달리 2차원적 측면에서 접근하였으며, 특히 표정의 특성을 잘 표현할 수 있는 임의의 기준점과 기준선을 선정하였다.
- 본 연구의 쇼핑 지원 로봇의 디자인 아이디어도출 방향은 아이디어 스케치와 관련 문헌, 그리고 인간공학적 측면을 고려하여 각 부분의 디자인 안을 선정하였다.
- 본 연구의 행태 분석은 실제 대형 할인매장 사용자의 행태를 분석하고, 일반적인 행태 체계도를 작성해 보았다. 실험은 4개 지역의 대형 할인매장을 이용자 5명을 대상으로 쇼핑 시작 에서부터 최종 귀가까지의 일련의 행태를 조사하였다.
- 편집된 모션 데이터가 불연속성을 보이는 경계 부근의 데이터들을 수집하여 보정해주었다. 불연속의 경계점에 있는데이터를 중심으로 일정 프레임 구간의 데이터들을 수정했다.
- 비언어 정보로서의 표정과 제스처의 최종적인 결과를 바탕으로 제작된 로봇의 감정 표현이 일반인에게 어떠한 이미지를 전달하는지 생리데이터를 통하여 검증하기 위하여 뇌파 측정을 하였다. 뇌파 측정에 의한 검증은 각 감정의 의미를 정확하게 전달하는지에 대한 검증이 아니라, 초기 피험자에 의해 얻어진 각 감정 표현 동영상과 그에 대응하는 로봇의 감정 표현이 내포하고 있는 이미지가 어느 정도 유사한 수준인지를 파악하기 위한 것이다.
- 조사는 2004년 12월 17일부터 2004년 12월 28일까지 실시하였고, 조사지역은 서울 및 수도권 일대 13개 대형할인매장을 총 100명(남36명, 여 M명)을 대상으로 실시하였다. 설문 내용은 현재의 쇼핑문화 현황과 문제점을 파악하기 위한 설문과 쇼핑 서비스 지원에 필요한 로봇 기능을 파악하기 위한 설문으로 구분해서 실시하였다.
- 쇼핑 지원 로봇에 대한 니즈를 도출하기 위하여 소비자의 설문조사를 실시하였다. 조사는 2004년 12월 17일부터 2004년 12월 28일까지 실시하였고, 조사지역은 서울 및 수도권 일대 13개 대형할인매장을 총 100명(남36명, 여 M명)을 대상으로 실시하였다.
- 쇼핑서비스 지원 로봇의 각 부분 형태도출을 위해서 디자인 컨셉과 부합될 수 있는 형태의 선정을 위해 여러 각도에서 검토되었다. 먼저, 머리부와 몸통부, 팔 부분과 구동부로 나누어 각 부분에 대한 도출된 문제점에 적합한 디자인 안을 선택하였다.
- 실험용 음들의 물리적 요소는 주파수 특성에 근거하여 추출하였다. Spectra Lab의 3D surface를 이용하여 dB과 Hz그리고 시간의 데이터를 추출하여 비교분석하였다.
- 앞에서 언급된 행태 분석에서 도출된 각 단계별 문제점 도출에 따른 로봇 개념을 접목하여 가상 쇼핑 지원 로봇 기능을 각 단계별로 도출하였다. 그 중 정보 전달 니즈와 조종-작동에 관한 니즈 20개는 사용빈도가 높은 니즈로 서 구분하였다.
- 이와 같은데이터 단순화 과정을 통하여, 초기에 기본 표정 데이터를 포함하여 총 23가지의 데이터 종류를 13종류로 정리되었다. 최종적으로 정리된 데이터는 표3（전체 데이터 중 일부）과 같다.
- 전개 본연구의 쇼핑 지원 로봇의 디자인은 앞에서 연구를 통해 얻어진 결과를 토대로 쇼핑 서비스를 지원할 수 있는 필요기능과 로봇 전문가와의 기구 메카니즘 및 전기전자 메카니즘에 따른 레이아웃을 통해 진행되었다. 쇼핑서비스 지원은 많은 고객을 상대하기 때문에 먼저 인간 친화적이면서도 관련 정보를 편리하고 정확하게 제공할 수 있어야 한다.
- 이에 본 연구를 통하여 HRI 디자인의 의미와 역할 등 로봇 디자인의 인식에 대해 조명하고 로봇디자인 분야 및 로봇 디자인 구성 요소에 대해서 정립하였다. 특히, 제스처(Gesture), 표정(Expression), 사운드(Sound)의 HRI 디자인 요소 구성을 쇼핑 서비스 로봇에 적용하여 구체적인 결과를 도출하였다. HRI 디자인에 대한 유효성 검증을 위해서 모션캡쳐, 애니메이션, 뇌파, 사운드 등이 통합된 인간과 로봇과의 구체적인 인터랙션을 제시하였다.
- 로봇 동작의 연속성을 보장해주기 위하여 편집된 데이터를 수정해주는 것이 필요하다. 편집된 모션 데이터가 불연속성을 보이는 경계 부근의 데이터들을 수집하여 보정해주었다. 불연속의 경계점에 있는데이터를 중심으로 일정 프레임 구간의 데이터들을 수정했다.
- 또한, 상기표는 데이터의 단순화 과정과 함께 얼굴 구성 요 소의 모양을 단순화하는 과정도 진행된 결과다. 표정 분석 초기에 언급하였던 얼굴 구성 요소인 '입, 눈, 눈썹' 등의 모양을 특정 감정에 관계없이 모듈 개념으로 코드화하여 표정에 부합하는 감정 표현에 활용하기 위하여, 데이터를 단순화한 값을 기초로 하여 감정 표현에 필요한 입모양, 눈모양, 눈썹 모양 등을 도출한 뒤 직관적인지도 평가에서 유사성을 보이는 것을 클러스터링하여 그 평균값을 적용하였다. 이러한 과정을 통하여 입 모양은 직선 모양 2가지, 곡선 모양 2가지, 폐곡선 모양 3가지를 포함하여 총 7가지의 모양으로 코드화가 가능하였다.
- 피험자에게는 14가지의 동영상을 컴퓨터 화면에서 하나씩 제시하는 방법을 적용하였다. 그리고 피험자의 머리에 쾌적도 측정기를 설치하고, 하나의 동영상에 대해서 25.
대상 데이터
- 표정 분석을 위하여 그림 3과 같이 입, 코, 눈, 눈썹 등 4가지의 얼굴 구성 요소를 중심으로 13개의 기준점과 8개의 기준선을 선정하였다.(그림4) 계측 대상은 7가지 대표 샘플에 해당하는 3명의 피험자 얼굴로 한정하였다.
- 그렇기 때문에 본 연구에서는 쇼핑을 지원하는 로봇에 필요한 감정에 대한 대표 샘플을 선정하기 위해서 피실험자 6명을 대상으로 앞에서 선정된 감정(감사, 거절, 고민, 당황, 반가움, 수긍, 신남)을 표현하도록 하였다. 그 결과 7가지 감 정표현에 대한 6명의 42가지의 샘플을 도출하여, 감정별 의미분별 척도법에 따른 직관적 평가에 따라 감정별 대표 샘플을 선정하였다. 선정 결과 감사함은 샘플 15의 평균평가값이 6.
- 피험자에게는 14가지의 동영상을 컴퓨터 화면에서 하나씩 제시하는 방법을 적용하였다. 그리고 피험자의 머리에 쾌적도 측정기를 설치하고, 하나의 동영상에 대해서 25.6초의 시간이 지난 후부터 102.4초간의 데이터를 측정하였다.
- 이 감성 반응치를 근거로 각각의 샘플 음들 사이의 유사도 및 상관관계를 측정하는 부분에 활용되어진다. 본 연구에 있어서 제공되어진 감성어는 '감사' '거절' 고민' '당황' '반가움' '수긍' '신남‘의 7개였다. 이 감성어들은 긍정적 의미의 단어인 감사, 반가움, 수긍, 신남과 부정적 의미의 단어인 거절, 고민, 당황으로 다시 나누어 생각해 볼 수 있다.
- 본 연구에서는 이에 앞에서 쇼핑로봇에 적용 가능한 감정별 대표 샘플을 선정하였다. 7가지 대표 샘플에 대하여 기초적인 특징의 변화량을 관찰하였다.
- 또한 로봇이 자율적이고 지속적으로 움직이기 때문에 움직임의 디자인 특히, 움직임에 새로운 기능을 추가하는 것이기 때문에 제품 디자인과는 다른 활동에 중점을 둔 Interaction(HRI) 구현이 필요하다. 본 연구에서는 특히 대형할인매장에서 사용될 쇼핑지원로봇을 대상으로 하였다.
- 그리고 값에 대한 평균값을 비교 분석하였다. 분석 결과 감사, 거절, 고민, 당황, 반가움, 수긍, 신남 등 총 7개의 HRI 표현 대상이 선택되었다.
- 실험 자극으로써는 피험자를 대상으로 한 7가지 대표 감정 샘플 동영상과 표정 및 제스처 분석에 의해 제작된 7가지 로봇 감정 표현 동영상 등 총 14가지를 사용하였다.
- 실험에 사용한 음은 시판되는 다수의 멀티미디어 편집용 효과음 CD에 수록된 수천개 샘플 사운드 중에서 비유사도를 근거로 디자인 관련 5명의 대학원생이 최종적으로 67개의 실험용 음을 선정하였다. 음선정 기준으로는, 자연음(파도, 천둥, 계곡물, 바람 등)과 동물소리, 운송수단(오토바이, 자동차, 기차, 비행기 등), 악기음 등, 구체적인 음원(sound source)을 파악할 수 있는 음들은 그 대상에서 제외시켰다.
- 본 연구의 행태 분석은 실제 대형 할인매장 사용자의 행태를 분석하고, 일반적인 행태 체계도를 작성해 보았다. 실험은 4개 지역의 대형 할인매장을 이용자 5명을 대상으로 쇼핑 시작 에서부터 최종 귀가까지의 일련의 행태를 조사하였다.
- 실험은 남녀 대학생 30명으로 구성된 두 개의 피험자 집단을 대상으로 하였다. 실험 결과, '감사'의 감성반응을 얻은 음으로는 62, 18, 45, 21, 64이었고, '거절'의 감성반응을 얻은 음으로는 23, 52, 44, 58이혔고, 고민'의 감성 반응을 얻은 음으로는 03, 15, 26이동일한 감성 반응치를 얻었고, 63 역시 높은 반응치를 얻었다.
- 쇼핑 지원 로봇에 대한 니즈를 도출하기 위하여 소비자의 설문조사를 실시하였다. 조사는 2004년 12월 17일부터 2004년 12월 28일까지 실시하였고, 조사지역은 서울 및 수도권 일대 13개 대형할인매장을 총 100명(남36명, 여 M명)을 대상으로 실시하였다. 설문 내용은 현재의 쇼핑문화 현황과 문제점을 파악하기 위한 설문과 쇼핑 서비스 지원에 필요한 로봇 기능을 파악하기 위한 설문으로 구분해서 실시하였다.
- 이와 같은 최종적인 쾌적도와 방향을 14개의 실험 자극과 피험자를 대응시키는 표로 작성하였다 (표 5, 6). 표는 신뢰도가 낮은 피험자1명의 데이터를 제외시키고 총 5명의 데이터를 중심으로 작성하였다.
- 표정 분석을 위하여 그림 3과 같이 입, 코, 눈, 눈썹 등 4가지의 얼굴 구성 요소를 중심으로 13개의 기준점과 8개의 기준선을 선정하였다.(그림4) 계측 대상은 7가지 대표 샘플에 해당하는 3명의 피험자 얼굴로 한정하였다.
데이터처리
- 검증은 1차적으로 로봇전문가 5명을 대상으로 의미분별 척도법에 의해 7척도를 사용하였다. 그리고 값에 대한 평균값을 비교 분석하였다. 분석 결과 감사, 거절, 고민, 당황, 반가움, 수긍, 신남 등 총 7개의 HRI 표현 대상이 선택되었다.
이론/모형
- 모션캡쳐 장치를 만들거나 모션 데이터를 다루는 회사는 많다. 본 연구에서는 그중에서도 가장 보편적으로 쓰이고 있고 BioVision사의 BVH 포맷을 사용하였다.
- 실제 뇌의 반응으로써의 쾌적도를 측정하기 위해서는, 이러한 요시다의 뇌파의 주기 리듬에 의한 쾌적도 평가모델에 의해 개발된 히토센싱사의 「HSK 중추리 듬 모니터 SUM 시스템」을 이용하였다 (그림 10).
- 우선, 실험에서 뇌의 반응 패턴을 조사하기 위하여, 요시다 (吉田, 2002)의 뇌파의 주기 리듬에 의한 쾌적도 평가모델을 적용하였다.2)
성능/효과
- 감사와 반가움, 고민과 당황은 물리적 특성상 유사성이 높은 감성영역임을 알 수 있었고, 수긍은 긍정적 감성영역과 부정적 감성영역의 특징을 조금씩 가지고 있는 중간적인 영역이란 것을 할 수 있었다.
- 검증은 7단계로 7가지 감정을 대응하여 평가하였다. 그 결과 감사의 애니메이션에서는 감사함 평균값이 5.9로 가장 높은 값으로 분석되었다. 거절의 애니메이션에서는 거절 평균값이 6.
- 그 결과 사용자의 행태는 크게 ① 매장 도착과 카트 수령 ②카트를 끌고 매장 이동③구입 물품 검색 및 물품 카트 내 수납④구입 물품의 계산⑤카트의 반납과 귀가의 총 5개의 행동으로 분류하였다. 특히, 각각의 행태에서 하위 기능이 도출 되었는데 ③구입 물품 검색 및 물품 카트 내 수납에서는 24가지의 세부 행태를 도출되었고, ④구입 물품의 계산에서는 16개의 세부 행태를 도출하였다.
- 그 결과 7가지 감 정표현에 대한 6명의 42가지의 샘플을 도출하여, 감정별 의미분별 척도법에 따른 직관적 평가에 따라 감정별 대표 샘플을 선정하였다. 선정 결과 감사함은 샘플 15의 평균평가값이 6.3으로 가장 높았으며, 거절은 평균평가값이 6.9인 샘플9, 고민은 평균평가값이 6.6인 샘플10, 당황은 평균평가값이 6.6 인 샘플11, 반가움은 평균 평가값이 6.9인 샘플 12, 수긍은 평 균평가값이 6.9안 샘플 27, 신남은 평균 평가값이 6.9인 샘플 21 로 가장 높게 나타났다.
- 이는 음정과 리듬에 의한 선입견 및 잠재 인상을 배제시키기 위함이었다. 선정된 67개의 실험용 음들에 무작위로 1번에서 67번까지의 파일명을 부여하고 실험 및 분석과정에서 번호로서의 의미만 부여된 채 관리되었다.
- 쇼핑 서비스 지원 로봇 기능에 대한 설문조사결과는 쇼핑로봇의 구입 목록에 대한 물품 안내에 대한 긍정적 대답이 89%로 나타냈으며, 구매할 상품의 위치 안내에 대한 긍정적 답변도 86%로 나타났다. 선호하는 로봇의 디자인 형태에 대한 응답에서는 49%가 카트 이미지를 선호하였다.
- 설문조사의 감성 반응치를 이두 그룹으로 나누어 집계해 본 결과, 그림 13과 같은 결과를 얻을 수 있었는데, 대부분의 샘플음들이 긍정과 부정의 명확한 감성 반응치를 가지고 있었다. 특히 18, 21, 45, 49, 62와 같이 그 차이가 크고 분명한 감성반응을 보이는 음들과 05, 17, 27, 33, 36, 60, 65와 같이 그 차이가 작고 불명확한 감성 반응을 보이는 음들의 물리적 요소를 비교할 필요성을 느낄 수 있었다.
- 6%로 가장 많았다. 쇼핑 서비스 지원 로봇 기능에 대한 설문조사결과는 쇼핑로봇의 구입 목록에 대한 물품 안내에 대한 긍정적 대답이 89%로 나타냈으며, 구매할 상품의 위치 안내에 대한 긍정적 답변도 86%로 나타났다. 선호하는 로봇의 디자인 형태에 대한 응답에서는 49%가 카트 이미지를 선호하였다.
- 실험은 남녀 대학생 30명으로 구성된 두 개의 피험자 집단을 대상으로 하였다. 실험 결과, '감사'의 감성반응을 얻은 음으로는 62, 18, 45, 21, 64이었고, '거절'의 감성반응을 얻은 음으로는 23, 52, 44, 58이혔고, 고민'의 감성 반응을 얻은 음으로는 03, 15, 26이동일한 감성 반응치를 얻었고, 63 역시 높은 반응치를 얻었다. '당황'의 감성 반응은 01, 47, 41, 42, 53의 음들이었고, '반가움'의 감성 반응을 얻은 음들은 04, 45가 동일한 최고 반응치를 얻은 데 이어 18, 49의 순이었다.
- 특히, 각각의 행태에서 하위 기능이 도출 되었는데 ③구입 물품 검색 및 물품 카트 내 수납에서는 24가지의 세부 행태를 도출되었고, ④구입 물품의 계산에서는 16개의 세부 행태를 도출하였다. 이 중 소비자의 행태 분석에서 반복 분석된 부분은 총 4가지로 정보 전달, 조종/작동, 상황별 대처, 계산/지불 기능들이 집중적으로 분석되었다.
- 설문조사의 감성 반응치를 이두 그룹으로 나누어 집계해 본 결과, 그림 13과 같은 결과를 얻을 수 있었는데, 대부분의 샘플음들이 긍정과 부정의 명확한 감성 반응치를 가지고 있었다. 특히 18, 21, 45, 49, 62와 같이 그 차이가 크고 분명한 감성반응을 보이는 음들과 05, 17, 27, 33, 36, 60, 65와 같이 그 차이가 작고 불명확한 감성 반응을 보이는 음들의 물리적 요소를 비교할 필요성을 느낄 수 있었다.
- 또한, 앞에서 조사된 설문조사 결과에서도 총11개의 니즈를 도출했다. 특히, 행태분석에서도출된 기능과 일부 중복되는 것이 나타났는데 이는 다른 어떤 니즈보다도 우선적으로 로봇 개발 시 적용되어야 한다. 따라서, 본 연구에서는 필요기능 도출의 실체적인 상관관계를 알고 가상 시나리오를 반영한 쇼핑 지원 로봇의 니즈 구조도를 작성하여 HRI 디자인 요소 설계 시 기초자료로 활용하였다.
후속연구
- 향후 특정 아이템의 HRI 디자인 요소에 대한 디자인이 아니라, 일반적인 HRI 디자인 요소를 발굴하고, 그에 따르는 연구가 체계적으로 연구되어야 한다. 또한, 개발 및 검증과정에 있어서 좀 더 많은 피실험자에 대한 검증이 필요하고, 좀 더 다양한 방법에 의한 HRI 디자인에 대한 연구가 필요하다.
- 로봇산업은 앞으로 우리가 전혀 생각지도 못한 미지의 분야나 생활공간 그리고 우주, 재해, 탐색, 수중 등에서 주어진 역할을 수행하게 될 것이다. 또한 이로 인한 사회 변화와 인간의 인식 변화는 로봇에 대한 새로운 니즈(needs)로 창출로 이어지게 될 것이다.
- 본 연구는 쇼핑로봇의 Human Robot Interface(이하 HRI) 디자인 기반 구축으로 디자인 개발 시 활용 가이드를 제공할 것이다.
- 본 연구의 결과를 통해 향후 로봇 디자인 개발에 있어서 HRI 디자인 적용을 위한 기초가이드라인으로 충분히 활용될 수 있을 것이다. 로봇 디자인에 대한 앞으로의 전망은 무궁무진하며, 앞으로 수없이 많은 새로운 디자인 기회를 창출할 것이다.
- 여기에서도출된 결과는 앞으로 제스처 및 표정에 대한 쇼핑 지원 로봇 개발을 위한 HRI 디자인 요소의 결과를 도출하기 위한 자료로 사용될 것이다.
- 본 연구에서는 3차원 데이터의 제스처 정보 변화량에 대한 특징을 정확하게 알아보기 위해서 모션캡쳐 장비를 이용하였다. 이 정보는 향후 쇼핑로봇 시뮬레이션을 제작하는 데 기본 자료로 사용되었다. 모션캡쳐 장치를 만들거나 모션 데이터를 다루는 회사는 많다.
- 향후 특정 아이템의 HRI 디자인 요소에 대한 디자인이 아니라, 일반적인 HRI 디자인 요소를 발굴하고, 그에 따르는 연구가 체계적으로 연구되어야 한다. 또한, 개발 및 검증과정에 있어서 좀 더 많은 피실험자에 대한 검증이 필요하고, 좀 더 다양한 방법에 의한 HRI 디자인에 대한 연구가 필요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.