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
- 본 연구에서는 쇼핑과정을 지원하는 서비스 로봇을 가상으로 설정하고, 서비스 지원 과정에 필요한 7가지 비언어적 정보를 도출하였다. 비언어적 정보로서는 표정을 중심으로 얼굴 구성요소를 코드화 하여 비언어적 정보 표현의 유의성을 분석하였다.
- 이에 본 연구에서는 로봇 디자인 요소로서의 비언어적 정보에 대한 사례연구를 통하여 비언어적 정보의 인지 검증과 유효성 분석을 목적으로 한다. 이를 위하여, 비언어적 정보 중 하나인 얼굴 표정을 대상으로 하여 감정표현에 적용 가능한 표현을 대응시켜 프레임별로 단순화 과정을 통하여 기초적인 데이터베이스 모듈(코드)을 생성한다.
제안 방법
- 7가지 감정을 각 각 표현한 대표 샘플에 대한 표정을 의인화된 표정 문자의 방향에서 분석하였다. 인간의 얼굴은 일반적으로 이마부터 턱까지를 가리킨다.
- 우선 모션 캡처 데이터의 관절과 로봇의 관절을 맵핑시킨다. 그 다음 로봇이 할 수 없는 동작을 보정해 주기 위해 모션 캡처 데이터의 편집 작업을 진행하고, 마지막으로 편집된 모션 데이터가 자연스러운 움직임을 보일 수 있도록 수정하고, 마지막으로 감정별 표정 코드의 조합 데이터를 적용하였다.
- 그리고 로봇의 각 기능에서 다루어지는 정보와 상황을 고려하여 기능 수행에 필요한 감정 표현에 해당하는 비언어적 정보 13개(반가움, 수긍, 고민, 친절함, 거절, 미안함, 신남, 당황, 화남, 따분함, 뿌듯함, 감사함, 궁금함)를 도출하였다.
- 다음으로 각기 특성이 다른 3명의 피험자의 측정값을 하나의 기준으로 통일하고 이후에 얼굴의 각 구성요소를 효율적으로 모듈화하기 위해서, 각 대표 샘플의 측정값을 [(SP-2)-(SP-3)]의 값이 동일하도록 변경한 후에, [(SP-2)-(SP-3)]의 기본 단위를 '100'으로 설정하여 모든 측정값을 이에 대응되도록 계산하였다.
- 도출된 각 데이터를 3d max 툴을 이용하여 쇼핑지원 로봇의 형상에 적용하기 위해서 바이메타에 의해 3D 애니메이션 데이터 값으로 입력했다. 데이터 값의 입력을 위하여 표정 데이터는 물론 모션 캡처를 통하여 얻은 일부 신체적 제스처 데이터들을 수정하고, 모션빌드(Motion Build) 툴을 이용하여 효율적으로 사용 가능한 데이터 값으로 변환 하였다.
- 다음으로 기본단위에 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.
- 도출된 13개의 비언어적 정보를 로봇전문가 5명에 의하여 의미분별 척도법으로 표현의 필요성을 분석하였다. 분석결과 반가움, 수긍, 거절, 감사함과 같은 정보는 높은 점수를 받는 것으로 나타났으며, 친절함, 미안함, 화남과 같은 정보는 낮은 점수를 받고 있다(표 1).
- 도출된 각 데이터를 3d max 툴을 이용하여 쇼핑지원 로봇의 형상에 적용하기 위해서 바이메타에 의해 3D 애니메이션 데이터 값으로 입력했다. 데이터 값의 입력을 위하여 표정 데이터는 물론 모션 캡처를 통하여 얻은 일부 신체적 제스처 데이터들을 수정하고, 모션빌드(Motion Build) 툴을 이용하여 효율적으로 사용 가능한 데이터 값으로 변환 하였다.
- 또한, 13개의 비언어적 정보에 대하여 “쾌-불쾌”의 감정과, “진정-흥분”의 각성감에 대한 7단계(불쾌:-3, 쾌:+3/진정:-3, 흥분:+3) 직관적 평가를 실시하였다(표 2).
- 먼저, 각 대표 샘플에서 표정 변화가 이루어지는 프레임을 구분하여 각각의 프레임에 대하여 앞에서 설정한 기준점과 기준선의 변화량을 계측하였다(그림 4).
- 또한 얼굴의 형태적 특징은 각각의 사람마다 고유한 특징이 있다고 말할 수 있다. 본 연구에서는 표정의 분석을 2차원적 측면에서 접근하였으며, 특히 표정 문자의 특성을 잘 표현할 수 있는 임의의 기준점과 기준선을 선정하였다.
- 이러한 현상을 해결해 주기 위하여 편집된 모션 데이터가 불연속성을 보이는 경계부근의 데이터들을 수집하여 보정해 주었다. 불연속의 경계점에 있는 데이터를 중심으로 일정 프레임 구간의 데이터들을 수정했다.
- 본 연구에서는 쇼핑과정을 지원하는 서비스 로봇을 가상으로 설정하고, 서비스 지원 과정에 필요한 7가지 비언어적 정보를 도출하였다. 비언어적 정보로서는 표정을 중심으로 얼굴 구성요소를 코드화 하여 비언어적 정보 표현의 유의성을 분석하였다. 분석 결과, 제안된 비언어적 정보의 표현 방법은 유의성을 보여 향후 로봇 디자인개발에 있어 감성적 인터랙션 디자인 요소로서의 활용 가능성이 확인되었다.
- 이를 위하여, 비언어적 정보 중 하나인 얼굴 표정을 대상으로 하여 감정표현에 적용 가능한 표현을 대응시켜 프레임별로 단순화 과정을 통하여 기초적인 데이터베이스 모듈(코드)을 생성한다. 생성된 모듈의 조합을 통하여 표현되는 각 감정에 대한 표정이 어느 정도 감정의 이미지를 전달하는가를 직관적인지 평가를 통하여 검증한다.
- 로봇의 동작이 끊기는 현상은 모션 데이터가 편집된 부분과 편집되지 않은 부분의 경계에서 발생한다. 이러한 현상을 해결해 주기 위하여 편집된 모션 데이터가 불연속성을 보이는 경계부근의 데이터들을 수집하여 보정해 주었다. 불연속의 경계점에 있는 데이터를 중심으로 일정 프레임 구간의 데이터들을 수정했다.
- 이렇게 해서 완성된 애니메이션(그림 7)을 감정표현의 대표 샘플을 도출하기 위한 사전 실험과 관련이 없는 피험자 10명(22세~32세, 남녀 각 5명)에게 제시하고, 연상되는 감정을 7점 척도로 평가하도록 하였다(표 5). 제시된 개별적인 감정 표현 애니메이션에 대하여 가장 적합하다고 판단되는 감정을 선택 평가하도록 하였다.
- 이에 본 연구에서는 로봇 디자인 요소로서의 비언어적 정보에 대한 사례연구를 통하여 비언어적 정보의 인지 검증과 유효성 분석을 목적으로 한다. 이를 위하여, 비언어적 정보 중 하나인 얼굴 표정을 대상으로 하여 감정표현에 적용 가능한 표현을 대응시켜 프레임별로 단순화 과정을 통하여 기초적인 데이터베이스 모듈(코드)을 생성한다. 생성된 모듈의 조합을 통하여 표현되는 각 감정에 대한 표정이 어느 정도 감정의 이미지를 전달하는가를 직관적인지 평가를 통하여 검증한다.
- 피험자 6명(22세~27세, 남녀 각 3명)을 대상으로 앞에서 선정된 감정 표현에 해당하는 비언어적 정보(감사, 거절, 고민, 당황, 반가움, 수긍, 신남)를 각각 표현하도록 하여 총 42가지(6명 x 7가지 감정)의 표정 샘플을 도출하였다. 이를 의미분별척도법으로 직관적 평가를 하여 해당 감정 표현에 상대적으로 가장 가까운 대표 샘플을 선정하였다.
- 본 연구에서 표정의 적용 대상은 쇼핑 공간에서 소비자의 쇼핑 행위를 지원하는 로봇이다. 이에, 여성 피험자 4명(주부 2명, 회사원 1명, 대학생 1명)을 대상으로 대형할인매장에서의 실제 구매 행위에 대한 행동분석을 하였다. 행동 분석 결과를 바탕으로 구매행위를 ‘구매시작’, ‘구매정보 입출력’, ‘이동’, ‘계산’, ‘기타’의 5가지의 상황으로 분류하고 세부적인 구매 행동에 대응 할 수 있는 서비스 로봇의 기능을 정의하였다.
- 이와 같은 데이터 단순화 과정을 통하여, 초기에 기본 표정 데이터를 포함하여 총 23가지의 데이터 종류를 13종류로 정리되었다. 최종적으로 정리된 데이터는 표 3과 같다.
- 이렇게 해서 완성된 애니메이션(그림 7)을 감정표현의 대표 샘플을 도출하기 위한 사전 실험과 관련이 없는 피험자 10명(22세~32세, 남녀 각 5명)에게 제시하고, 연상되는 감정을 7점 척도로 평가하도록 하였다(표 5). 제시된 개별적인 감정 표현 애니메이션에 대하여 가장 적합하다고 판단되는 감정을 선택 평가하도록 하였다. 그 결과 ‘감사’의 애니메이션에서는 ‘감사함’ 이라는 감정으로 평가된 평균값이 5.
- 즉, 표 2에서 “반가움”이라는 감정표현에 대하여 ‘피험자-2’는 ‘쾌(+3)’ 상태와 ‘어느 정도의 흥분(2)’ 상태로 평가하였다.
- 표정 분석 초기에 언급하였던 얼굴 구성요소인 '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, 눈 모양, 눈썹모양 등을 도출한 뒤 유사성을 보이는 것은 클러스터링 하여 그 평균값을 적용하였다.
- 피험자 6명(22세~27세, 남녀 각 3명)을 대상으로 앞에서 선정된 감정 표현에 해당하는 비언어적 정보(감사, 거절, 고민, 당황, 반가움, 수긍, 신남)를 각각 표현하도록 하여 총 42가지(6명 x 7가지 감정)의 표정 샘플을 도출하였다. 이를 의미분별척도법으로 직관적 평가를 하여 해당 감정 표현에 상대적으로 가장 가까운 대표 샘플을 선정하였다.
- 필요성의 평가 결과를 바탕으로 서비스 로봇의 기능 수행에 접목이 필요한 감정 표현 정보(비언어적 정보)를 ‘감사’, ‘거절’, ‘고민’, ‘당황’, ‘반가움’, ‘수긍’, ‘신남’의 7가지로 결정하였다.
대상 데이터
- 따라서 이 3개의 기준점을 중심으로 하여 표정 변화량을 계측하였다. 계측 대상은 7가지 대표 샘플에 해당하는 3명의 피험자 얼굴로 한정하였다.
- 본 연구에서 표정의 적용 대상은 쇼핑 공간에서 소비자의 쇼핑 행위를 지원하는 로봇이다. 이에, 여성 피험자 4명(주부 2명, 회사원 1명, 대학생 1명)을 대상으로 대형할인매장에서의 실제 구매 행위에 대한 행동분석을 하였다.
- 우리가 보는 얼굴은 3차원의 복잡한 형상을 가지는 두개골에 30여개의 근육을 매개로 안면피부가 붙어 있는 그 외면형상이 '얼굴'로 되어 있다.
- 표정 분석을 위하여 그림 3과 같이 입, 코, 눈, 눈썹 등 4가지의 얼굴 구성요소를 중심으로 13개의 기준점과 8개의 기준선을 선정하였다. 예를 들어, 'SP-5'와 'SP-6'은 입의 양 끝점을 표시하는 기준점이다.
성능/효과
- 그 결과 ‘감사’의 애니메이션에서는 ‘감사함’ 이라는 감정으로 평가된 평균값이 5.9로 가장 높은 값으로 분석되었다.
- 단지, 본 코드 조합이 '감사', '거절', '고민', '당황', '반가움', '수긍', '신남'의 7가지 감정에 대해서만 작성되어 그 한계성이 있을 수 있으나, 추가적으로 필요한 감정이 있을 경우 동일한 표정 분석 방법을 활용하여 신규 코드를 보완한다면 표정에 대한 비언어 정보 데이터베이스로서 그 활용 가치가 높아질 것으로 판단된다. 그러나 본 연구에서 다룬 7가지 감정이 (1) 사용자와의 만남, 헤어짐에 따른 순수 정서 중심, (2) 사용자의 지시 인지 및 로봇 자체 정보처리 표현 중심, (3) 중요 정보의 강한 피드백(Feed-Back)에 따른 표현 중심으로 구성 되어있기 때문에 감정 표현의 범위는 충분하다고 사료된다.
- 따라서 고민의 경우에는 기본 표정을 제외하고 '고민 3, 5, 7단계 프레임'의 값을 최종적인 데이터로 선정하였으며, 그 결과 표정 재현에는 문제가 없음을 알 수 있었다.
- 비언어적 정보로서는 표정을 중심으로 얼굴 구성요소를 코드화 하여 비언어적 정보 표현의 유의성을 분석하였다. 분석 결과, 제안된 비언어적 정보의 표현 방법은 유의성을 보여 향후 로봇 디자인개발에 있어 감성적 인터랙션 디자인 요소로서의 활용 가능성이 확인되었다. 또한 다른 제품이나 시스템의 개발에 있어 감성적 인터랙션 디자인 적용을 위한 기초 가이드라인으로 충분히 활용될 수 있을 것이다.
- 도출된 13개의 비언어적 정보를 로봇전문가 5명에 의하여 의미분별 척도법으로 표현의 필요성을 분석하였다. 분석결과 반가움, 수긍, 거절, 감사함과 같은 정보는 높은 점수를 받는 것으로 나타났으며, 친절함, 미안함, 화남과 같은 정보는 낮은 점수를 받고 있다(표 1).
후속연구
- 이것은, 개념적으로 의미가 있는 어휘에 대한 직관적 이미지 평가와 인지 대상의 특정 움직임에 대한 인지적 이미지 평가는 인간의 사전 학습에 의해 형성된 이미지 공간의 범위를 크게 벗어나지 않는다고 할 수 있다. 다시 말하면, 인위적 비언어적 정보의 표현 방법에 대한 연구에 있어서, 인간이 경험에 의하여 형성하고 있는 이미지의 구조에 대한 기초 연구도 동반되어야 보다 효과적인 결과를 도출할 수 있다고 이야기할 수 있다.
- 단지, 본 코드 조합이 '감사', '거절', '고민', '당황', '반가움', '수긍', '신남'의 7가지 감정에 대해서만 작성되어 그 한계성이 있을 수 있으나, 추가적으로 필요한 감정이 있을 경우 동일한 표정 분석 방법을 활용하여 신규 코드를 보완한다면 표정에 대한 비언어 정보 데이터베이스로서 그 활용 가치가 높아질 것으로 판단된다.
- 분석 결과, 제안된 비언어적 정보의 표현 방법은 유의성을 보여 향후 로봇 디자인개발에 있어 감성적 인터랙션 디자인 요소로서의 활용 가능성이 확인되었다. 또한 다른 제품이나 시스템의 개발에 있어 감성적 인터랙션 디자인 적용을 위한 기초 가이드라인으로 충분히 활용될 수 있을 것이다. 다만, 유의성 검증에 있어 보다 많은 피험자에 의한 보편적 객관성 확보가 필요하다.
- 다만, 유의성 검증에 있어 보다 많은 피험자에 의한 보편적 객관성 확보가 필요하다. 특히, 당황과 같은 부정적 이미지 전달이 필요한 감정표현에는 단순화 과정을 통해 코드화된 얼굴 구성 요소의 조합 적용에 한계가 있으며 보다 더 체계적 연구 적용이 요구된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.