由于社会机器人在日常环境中越来越普遍,因此他们将参加对话并适当地管理与他们共享的信息。然而,关于机器人如何适当地辨别信息的敏感性,这几乎都知道,这对人机信任具有重大影响。作为解决此问题的一部分的第一步,我们设计了隐私控制员,知己,用于对话社会机器人,能够使用与对话中的对话中的上下文元数据(例如,情绪,关系,主题)进行模型隐私边界。之后,我们进行了两项众群用户研究。第一项研究(n = 174)重点是,是否被认为是私人/敏感或非私人/非敏感性的各种人类互动情景。我们第一次研究的调查结果用于生成关联规则。我们的第二个研究(n = 95)通过比较使用我们的隐私控制器对基线机器人的机器人来评估人机交互情景中隐私控制器的有效性和准确性,这些机器人对基线机器人没有隐私控制。我们的结果表明,没有隐私控制器的机器人在没有隐私控制器的隐私权,可信度和社会意识中占有于机器人。我们得出结论,隐私控制器在真实的人机对话中的整合可以允许更可靠的机器人。此初始隐私控制员将作为更复杂的解决方案作为基础。
translated by 谷歌翻译