title: 機器人道歉再誠懇，工作搞砸還是白搭 description: 最新研究顯示，即便機器人學會讀懂人類情緒並給出超有同理心的道歉，但如果連基本任務都做不好，信任度依舊會暴跌。 author: 科技新報編輯部 date: 2025-07-15 tags:
- 機器人
- 人工智慧
- 人機互動
- 情感運算
就算一台機器人在你早上泡咖啡時失手把熱咖啡灑到鍵盤上，然後用恰到好處的「真誠道歉」語氣說「我很抱歉」，它終究還是把你的鍵盤變成了一杯熱騰騰的咖啡。我們正邁入一個金屬同事被程式設計得很懂人情世故的時代，但一項有趣的新研究顯示，無論多有禮貌，都無法彌補基本的能力不足。
研究人員越來越注重人類與機器人互動（Human-Robot Interaction, HRI）這個領域，意識到當機器人離開工廠進入我們的家庭和辦公室時，純粹的物理能力是不夠的——它們需要了解我們。《IEEE Robotics and Automation Letters》最近刊登的一份研究深入探討了這個挑戰，訓練了一台協作型機器人讀懂人類情緒，不只是從臉部表情，而是從整個情境脈絡來判讀。這些結果對那些認為有同理心的機器人就是未來尖端科技的人來說，是一記清醒劑，而且老實說，有點搞笑。
訓練機器人學會「看場合」
這項研究由墨爾本大學（University of Melbourne）的洪成贊（Seung Chan Hong）還在念大學時主導，他們決定跳過那套老派的情感偵測方法。團隊沒有只分析一張靜態的臉部表情——因為那很容易把專注時皺起的眉頭誤判為憤怒——而是採用了視覺語言模型（Vision Language Model, VLM）。你可以把它想成是 ChatGPT 的親戚，只是它有眼睛。
團隊訓練 VLM 的方式是向它展示人類與機器人交接物體的影片，然後請人類志工標註當時表達的情緒。重要的是，這些志工能看到完整的情境：失手的物品、微微皺眉的不適、以及敲手指的不耐煩。這種富含脈絡的訓練果然有效。當與傳統只使用臉部分析的 AI 系統相比，VLM 的表現明顯更好，與人類觀察者標籤的相似度達到 0.86，而舊模型只有 0.77。
「我認為 [VLM] 能更好地與人類觀眾看到的內容對齊，因為它不是只在短時間內盯著那個人的臉看，而是看到了整個場景，」洪成贊在接受 IEEE Spectrum 訪問時說道。
完美的道歉，彌補不了失敗的表現
這裡就有趣了。團隊設計了一個有 40 名志工參與的實驗。每個人都要和一台由 VLM 驅動的機器人合作，而這台機器人被設定為故意犯錯。在不可避免的失敗發生後，機器人會給出兩種道歉之一：制式的事先準備好的台詞，或是根據人類感受到的挫折程度而「情緒適配」的道歉。
結果很清楚：人們大幅偏好那台能讀懂他們的不爽並因此調整「對不起」內容的機器人。40 人中有高達 31 人偏好情緒感知回應。看起來個人化的道歉就像一種強效的「社交潤滑劑」。
但這裡是關鍵。當被問到對這台機器人的信任度時，無論機器人道歉多有誠意，評分都全面暴跌。一個殘酷的事實是：機器人就算敏感得像詩人，但如果連唯一的工作都做不好，我們還是不會信任它。洪成贊說得直白，道歉「無法修復機器人未能完成實體任務而失去的信任。」
不是讀心術，只是猜得準
這項研究還發現了另一個關鍵限制。雖然 VLM 作為第三人稱人類觀察者還算稱職，但當要猜測志工們的實際感受（根據他們自我報告的情緒）時，情感推測能力就大幅下降。
這揭示了感知外在社會線索與理解內在情感之間的根本鴻溝。VLM 能正確察覺皺眉和垂下的肩膀並推斷「不高興」，但它無法掌握用戶內心可能感受到的失望、挫折或被背叛的細微差別。「雖然 VLM 是觀察外在社會線索的好手，但它不是讀心者，」洪成贊解釋道。
