城市中的机器人：基于人物画像的城市机器人感知

行人在城市公共空间中越来越多地遇到机器人，却不与其互动，但机器人如何改变街道的安全感知仍不清楚。我们考察机器人的存在与类型如何在不同的城市情境中影响安全感知。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）上有所不同。两个多模态大语言模型（MLLMs）Qwen3.8-27B和Gemma4-26B，各自以500个合成人物画像为条件，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，并且偏好配送机器人胜过人形机器人。机器人在夜间被选择得更多，在年长人物画像中被选择得更少，而道路等级的影响较小。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，两个模型在夜间更常选择机器人，但选择人形机器人胜过配送机器人的频率要低得多，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它何时出现，而人物画像条件化的MLLMs只捕捉了人类判断的一部分。

中文由 AI 翻译，仅供参考，以原文为准。