Psychological Evaluation on Interactions between People and Robot

Σχετικά έγγραφα
Detection and Recognition of Traffic Signal Using Machine Learning

2016 IEEE/ACM International Conference on Mobile Software Engineering and Systems

Optimization, PSO) DE [1, 2, 3, 4] PSO [5, 6, 7, 8, 9, 10, 11] (P)

GPGPU. Grover. On Large Scale Simulation of Grover s Algorithm by Using GPGPU

Wiki. Wiki. Analysis of user activity of closed Wiki used by small groups

HIV HIV HIV HIV AIDS 3 :.1 /-,**1 +332

n 1 n 3 choice node (shelf) choice node (rough group) choice node (representative candidate)

Schedulability Analysis Algorithm for Timing Constraint Workflow Models

Development of a basic motion analysis system using a sensor KINECT

Εκτεταμένη περίληψη Περίληψη

*,* + -+ on Bedrock Bath. Hideyuki O, Shoichi O, Takao O, Kumiko Y, Yoshinao K and Tsuneaki G

ΔΙΠΛΩΜΑΤΙΚΕΣ ΕΡΓΑΣΙΕΣ

2 ~ 8 Hz Hz. Blondet 1 Trombetti 2-4 Symans 5. = - M p. M p. s 2 x p. s 2 x t x t. + C p. sx p. + K p. x p. C p. s 2. x tp x t.

1 (forward modeling) 2 (data-driven modeling) e- Quest EnergyPlus DeST 1.1. {X t } ARMA. S.Sp. Pappas [4]

Stabilization of stock price prediction by cross entropy optimization

3: A convolution-pooling layer in PS-CNN 1: Partially Shared Deep Neural Network 2.2 Partially Shared Convolutional Neural Network 2: A hidden layer o

Study on Re-adhesion control by monitoring excessive angular momentum in electric railway traction

IPSJ SIG Technical Report Vol.2014-CE-127 No /12/6 CS Activity 1,a) CS Computer Science Activity Activity Actvity Activity Dining Eight-He

þÿ Ç»¹º ³µÃ ± : Ãż²» Ä Â

GPU. CUDA GPU GeForce GTX 580 GPU 2.67GHz Intel Core 2 Duo CPU E7300 CUDA. Parallelizing the Number Partitioning Problem for GPUs

Traversing Assist System for Tracked Vehicles on Rough Terrain Based on Continuous Three-Dimensional Terrain-Scanning

ΣΥΓΚΡΙΤΙΚΗ ΜΕΛΕΤΗ ΤΩΝ ΕΚΘΕΣΕΩΝ ΕΤΑΙΡΙΚΗΣ ΚΟΙΝΩΝΙΚΗΣ ΕΥΘΥΝΗΣ COSMOTE ΚΑΙ VODAFONE ΣΤΟΝ ΕΛΛΗΝΙΚΟ ΚΛΑΔΟ ΤΩΝ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ

(Υπογραϕή) (Υπογραϕή) (Υπογραϕή)

ΕΥΡΕΣΗ ΤΟΥ ΔΙΑΝΥΣΜΑΤΟΣ ΘΕΣΗΣ ΚΙΝΟΥΜΕΝΟΥ ΡΟΜΠΟΤ ΜΕ ΜΟΝΟΦΘΑΛΜΟ ΣΥΣΤΗΜΑ ΟΡΑΣΗΣ

Reaction of a Platinum Electrode for the Measurement of Redox Potential of Paddy Soil

Quick algorithm f or computing core attribute

Development of the Nursing Program for Rehabilitation of Woman Diagnosed with Breast Cancer

Επιβλέπουσα Καθηγήτρια: ΣΟΦΙΑ ΑΡΑΒΟΥ ΠΑΠΑΔΑΤΟΥ

An Advanced Manipulation for Space Redundant Macro-Micro Manipulator System

EE512: Error Control Coding

( ) , ) , ; kg 1) 80 % kg. Vol. 28,No. 1 Jan.,2006 RESOURCES SCIENCE : (2006) ,2 ,,,, ; ;

Appendix to On the stability of a compressible axisymmetric rotating flow in a pipe. By Z. Rusak & J. H. Lee

ES440/ES911: CFD. Chapter 5. Solution of Linear Equation Systems

Η ΠΡΟΣΩΠΙΚΗ ΟΡΙΟΘΕΤΗΣΗ ΤΟΥ ΧΩΡΟΥ Η ΠΕΡΙΠΤΩΣΗ ΤΩΝ CHAT ROOMS

Ερευνητική+Ομάδα+Τεχνολογιών+ Διαδικτύου+

Από τις Κοινότητες Πρακτικής στις Κοινότητες Μάθησης

Ανάκτηση Εικόνας βάσει Υφής με χρήση Eye Tracker

ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΕΠΑΝΑΣΧΕΔΙΑΣΜΟΣ ΓΡΑΜΜΗΣ ΣΥΝΑΡΜΟΛΟΓΗΣΗΣ ΜΕ ΧΡΗΣΗ ΕΡΓΑΛΕΙΩΝ ΛΙΤΗΣ ΠΑΡΑΓΩΓΗΣ REDESIGNING AN ASSEMBLY LINE WITH LEAN PRODUCTION TOOLS

Bundle Adjustment for 3-D Reconstruction: Implementation and Evaluation

Αυτόματη Ανακατασκευή Θραυσμένων Αντικειμένων

Maxima SCORM. Algebraic Manipulations and Visualizing Graphs in SCORM contents by Maxima and Mashup Approach. Jia Yunpeng, 1 Takayuki Nagai, 2, 1

: Monte Carlo EM 313, Louis (1982) EM, EM Newton-Raphson, /. EM, 2 Monte Carlo EM Newton-Raphson, Monte Carlo EM, Monte Carlo EM, /. 3, Monte Carlo EM

CHAPTER 48 APPLICATIONS OF MATRICES AND DETERMINANTS

Jesse Maassen and Mark Lundstrom Purdue University November 25, 2013

«ΑΝΑΠΣΤΞΖ ΓΠ ΚΑΗ ΥΩΡΗΚΖ ΑΝΑΛΤΖ ΜΔΣΔΩΡΟΛΟΓΗΚΩΝ ΓΔΓΟΜΔΝΩΝ ΣΟΝ ΔΛΛΑΓΗΚΟ ΥΩΡΟ»

ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ "ΠΟΛΥΚΡΙΤΗΡΙΑ ΣΥΣΤΗΜΑΤΑ ΛΗΨΗΣ ΑΠΟΦΑΣΕΩΝ. Η ΠΕΡΙΠΤΩΣΗ ΤΗΣ ΕΠΙΛΟΓΗΣ ΑΣΦΑΛΙΣΤΗΡΙΟΥ ΣΥΜΒΟΛΑΙΟΥ ΥΓΕΙΑΣ "

ER-Tree (Extended R*-Tree)

Πτυχιακή Εργασία Η ΠΟΙΟΤΗΤΑ ΖΩΗΣ ΤΩΝ ΑΣΘΕΝΩΝ ΜΕ ΣΤΗΘΑΓΧΗ

Μέτρηση της Ρυθµικής Ικανότητας σε Μαθητές Γυµνασίου που Ασχολούνται µε Αθλητικές ραστηριότητες Συνοδευµένες ή Όχι από Μουσική

ΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ. ΘΕΜΑ: «ιερεύνηση της σχέσης µεταξύ φωνηµικής επίγνωσης και ορθογραφικής δεξιότητας σε παιδιά προσχολικής ηλικίας»

; +302 ; +313; +320,.

An Automatic Modulation Classifier using a Frequency Discriminator for Intelligent Software Defined Radio

MSM Men who have Sex with Men HIV -

Επιμέλεια: Αδαμαντία Τραϊφόρου (Α.Μ 263) Επίβλεψη: Καθηγητής Μιχαήλ Κονιόρδος

ΓΕΩΠΟΝΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΤΡΟΦΙΜΩΝ ΚΑΙ ΔΙΑΤΡΟΦΗΣ ΤΟΥ ΑΝΘΡΩΠΟΥ

Αξιολόγηση της αισθητικής αξίας δασογεωργικών και γεωργικών συστημάτων

Buried Markov Model Pairwise

Yoshifumi Moriyama 1,a) Ichiro Iimura 2,b) Tomotsugu Ohno 1,c) Shigeru Nakayama 3,d)

ΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 6/5/2006


ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ. «Προστασία ηλεκτροδίων γείωσης από τη διάβρωση»

Ι ΑΚΤΟΡΙΚΗ ΙΑΤΡΙΒΗ. Χρήστος Αθ. Χριστοδούλου. Επιβλέπων: Καθηγητής Ιωάννης Αθ. Σταθόπουλος

ΠΕΔΙΟ_ΑΓΟΡΑ: Stakeholder Analysis Questionnaire

ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ (ΣΔΟ) ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ

1) Abstract (To be organized as: background, aim, workpackages, expected results) (300 words max) Το όριο λέξεων θα είναι ελαστικό.

Η θέση ύπνου του βρέφους και η σχέση της με το Σύνδρομο του αιφνίδιου βρεφικού θανάτου. ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ

supporting phase aerial phase supporting phase z 2 z T z 1 p G quardic curve curve f 2, n 2 f 1, n 1 lift-off touch-down p Z

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ. Πτυχιακή Εργασία. Κόπωση και ποιότητα ζωής ασθενών με καρκίνο.

Homomorphism in Intuitionistic Fuzzy Automata

(Biomass utilization for electric energy production)

Si + Al Mg Fe + Mn +Ni Ca rim Ca p.f.u

ΚΥΠΡΙΑΚΟΣ ΣΥΝΔΕΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY 21 ος ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ Δεύτερος Γύρος - 30 Μαρτίου 2011

Study of In-vehicle Sound Field Creation by Simultaneous Equation Method

Approximation of distance between locations on earth given by latitude and longitude

Web 論 文. Performance Evaluation and Renewal of Department s Official Web Site. Akira TAKAHASHI and Kenji KAMIMURA

ΤΕΙ ΘΕΣΣΑΛΙΑΣ. Αναγνώριση προσώπου με επιλογή των κατάλληλων κυρίων συνιστωσών. ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ Τ.Ε ΚΑΒΒΑΔΙΑ ΑΛΕΞΑΝΔΡΟΥ.

ΤΟ ΜΟΝΤΕΛΟ Οι Υποθέσεις Η Απλή Περίπτωση για λi = μi 25 = Η Γενική Περίπτωση για λi μi..35

Σχέση µεταξύ της Μεθόδου των ερµατοπτυχών και της Βιοηλεκτρικής Αντίστασης στον Υπολογισµό του Ποσοστού Σωµατικού Λίπους

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Ψηφιακή Οικονομία. Διάλεξη 9η: Basics of Game Theory Mαρίνα Μπιτσάκη Τμήμα Επιστήμης Υπολογιστών

Simplex Crossover for Real-coded Genetic Algolithms

Srednicki Chapter 55

DETERMINATION OF DYNAMIC CHARACTERISTICS OF A 2DOF SYSTEM. by Zoran VARGA, Ms.C.E.

Journal of the Institute of Science and Engineering. Chuo University

Chapter 1 Introduction to Observational Studies Part 2 Cross-Sectional Selection Bias Adjustment

IL - 13 /IL - 18 ELISA PCR RT - PCR. IL - 13 IL - 18 mrna. 13 IL - 18 mrna IL - 13 /IL Th1 /Th2

Nov Journal of Zhengzhou University Engineering Science Vol. 36 No FCM. A doi /j. issn

Απόκριση σε Μοναδιαία Ωστική Δύναμη (Unit Impulse) Απόκριση σε Δυνάμεις Αυθαίρετα Μεταβαλλόμενες με το Χρόνο. Απόστολος Σ.

Mean-Variance Analysis

Numerical Analysis FMN011

HOSVD. Higher Order Data Classification Method with Autocorrelation Matrix Correcting on HOSVD. Junichi MORIGAKI and Kaoru KATAYAMA

mixi Vol mixi mixi mixi social capital SNS mixi Facebook social networking services SNS SNS mixi Coleman 1988 SNS boyd & Ellison

College of Life Science, Dalian Nationalities University, Dalian , PR China.

[1] P Q. Fig. 3.1


Estimation, Evaluation and Guarantee of the Reverberant Speech Recognition Performance based on Room Acoustic Parameters

Η ΜΑΛΑΞΗ ΚΑΙ ΤΑ ΕΙ Η ΤΗΣ ΣΤΟ ΙΝΣΤΙΤΟΥΤΟ ΑΙΣΘΗΤΙΚΗΣ

ΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 19/5/2007

, -.

Problem 3.1 Vector A starts at point (1, 1, 3) and ends at point (2, 1,0). Find a unit vector in the direction of A. Solution: A = 1+9 = 3.

Real time mobile robot control with a multiresolution map representation

Transcript:

362 Vol. 19 No. 3, pp.362 371, 2001 Psychological Evaluation on Interactions between People and Robot Takayuki Kanda, Hiroshi Ishiguro and Toru Ishida For realizing robots working in human society, interaction between people and robots is one of the important issues. We have developed a robot that behaves based on visual information and interacts with people. The robot controls its gazing direction for representing the internal states. By using the robot, we have evaluated impressions given by the robot based on psychological methods. SD method and factor analysis have been applied to evaluate the impressions. As a result of the experiments, impressions of the robot principally consisted of 4 factors: familiality, enjoyment, activity, and performance evaluation, and these have been effected by computer skills of subjects. In addition, we have verified that gazing direction control promotes interactions between people and the robot. Key Words: Psychological Evaluation, Semantic Differential Method, Impression, Interaction 1. SONY AIBO WWW [2] [3] 2000 4 3 Kyoto University [6] SD [5] SD JRSJ Vol. 19 No. 3 78 Apr., 2001

363 [6] [7] [8] [9] SD [10] 100 50 2 100 [11] Fig. 1 Developed robot and environment 2. 2. 1 Fig. 1 1.3 [m] 0.6 [m] 3 3 8 2 16 8 3 1.6 [m] Fig. 1 [12] 19 3 79 2001 4

364 (a) (b) (c) (d) Fig. 2 Example of moving robot 20 Fig. 2 (a) (b) (c) (d) 2. 2 2 1 2 1 M camera Move 2 N camera No move MN NM 1 2 1 5 2 7 28 SD 1,2 66 19.5 3. 3. 1 2 2 2 2 3. 2 2 7 59 SD Table 1 adjective pairs 7 Table 1 1 7 JRSJ Vol. 19 No. 3 80 Apr., 2001

365 Table 1 Evaluated adjective pairs and the results Adjective pairs Mean S.D. 4.20 1.22 4.36 1.42 4.33 1.58 4.78 1.44 4.05 1.26 4.90 1.27 3.69 1.48 3.70 1.70 4.15 1.60 3.75 1.51 3.90 1.34 3.08 1.58 3.79 1.34 4.87 1.67 4.62 1.29 4.66 1.43 4.53 1.63 4.62 1.28 4.54 1.74 3.02 1.37 2.95 1.35 3.14 1.38 4.33 1.46 3.81 1.50 3.03 1.24 3.86 1.38 3.81 1.55 4.32 1.54 Mean S.D. 1 4 4 57.8% Table 2 Table 2 0.60 0.50 Factor I IV I IV Communality Expl. Var I I II III IV Table 2 Factor pattern (Varimax normalized) Factor Commu- I II III IV nality 0.747 0.238-0.160 0.076 0.646 0.727 0.436 0.052 0.265 0.792 0.708 0.505 0.170-0.092 0.794 0.697-0.058-0.214-0.020 0.535 0.693 0.279 0.093 0.027 0.568 0.609 0.563 0.087 0.121 0.710 0.596 0.286 0.264-0.086 0.514 0.588-0.055-0.056 0.034 0.353 0.574 0.132 0.046 0.023 0.349 0.524 0.398 0.467-0.254 0.716 0.516 0.247-0.221 0.266 0.447 0.492 0.192 0.318 0.114 0.393 0.389 0.205 0.308 0.272 0.362 0.131 0.827 0.231 0.109 0.765 0.359 0.744 0.241-0.003 0.741 0.447 0.716 0.070 0.021 0.718 0.157 0.676 0.345 0.216 0.647 0.454 0.594 0.073 0.142 0.584-0.072 0.495 0.184 0.299 0.373 0.085 0.081 0.796 0.369 0.783 0.084 0.093 0.794 0.267 0.717-0.318 0.155 0.713-0.078 0.640 0.089 0.325 0.584-0.037 0.456-0.252 0.007 0.584-0.001 0.405 0.131 0.198 0.576 0.070 0.393 0.358 0.443 0.537-0.202 0.654 0.051 0.176 0.510 0.578 0.628 0.208 0.425 0.146 0.508 0.503 Expl. Var 5.85 4.70 4.29 1.35 16.19 k i S ik 0 1 F ik F (F ik ) Λ(λ jk ) X ij i j X(X ij) E(E ij) X = F Λ + E 4 S i1 = Familiality S i2 = Enjoyment S i3 = Activity S i4 = Performance 3. 3 t p <0.10 * 5% p <0.05 ** 1% p <0.01 1 2 Table 3 19 3 81 2001 4

366 Table 3 Comparison of subject s impressions in observing conditions Group NM MN Condition NM N NM M MN M MN N Num. of sub. 29 29 30 30 The robot s Familiality 0.19 0.29-0.04-0.42 impressions Enjoyment 0.19 0.16 0.18-0.52 (factor Activity -0.52 0.98-0.18-0.26 scores) Performance 0.41 0.04-0.23-0.20 S.D. of Familiality 0.77 0.88 0.94 1.06 the factor Enjoyment 0.90 0.79 0.89 0.99 scores Activity 0.76 0.83 0.85 0.60 Performance 0.92 0.88 0.69 0.88 The robot s impression S.D. of the factor scores NM Group 1 NM N Condition 2 NM M MN MN M MN N NM Num. of sub. 29 0.19 0.77 1 t NM MN Fig. 3 4 Fig. 3 NM N NM M p <.01 Fig. 4 MN M MN N p <.01 2 2 MN 2 MN NM Fig. 3 Comparison in NM group Fig. 4 Comparison in MN group 2 1 1 2 t p <.01 Fig. 5 Fig. 5 MN M 1 NM N 1 JRSJ Vol. 19 No. 3 82 Apr., 2001

367 Fig. 5 Comparison between two groups 11 Table 4 2 1 Table 5 Table 4 1 2 3 1 2 3 1 2 3 p <.05 (*)p <.1 (+) 2 1 SF Table 4 Questions of interests Q.1 1 5 2 1 5 3 1 Q.2 1 2 3 Q.3 1 1 2 3 Q.4 1 2 3 Q.5 SF SF 1 2 3 Q.6 1 2 3 Q.7 1 2 3 Q.8 AIBO 1 2 3 Q.9 1 2 3 Q.10 1 15 2 30 3 30 Q.11 1 2 3 Q.10 19 3 83 2001 4

368 Table 5 Interests and impression evaluation (Each question is shown in Table 4) Ans. Q.1 Q.2 Q.3 Q.4 Q.5 Q.6 Q.7 Q.8 Q.9 Q.10 Q.11 Computer Program- Robot Toys SF Human- Imagi- Pet Autonomy Everyday Usefulexperience ming exp. contests movies oid nation robots life robots ness Num. 1 10 5 15 3 7 4 18 2 21 20 8 of 2 20 12 44 24 27 24 8 16 24 19 42 Ans. 3 29 42 0 32 25 31 33 41 14 20 9 Fa- 1 0.32-0.27-0.01-0.35-0.41 0.11-0.04-0.52 0.03-0.19 0.47 mil- 2-0.02-0.07 0.00-0.02 0.06 0.04-0.22 0.05 0.19 0.03-0.01 arity 3-0.09 0.05 0.05 0.05-0.05 0.08 0.01-0.37 0.16-0.37 + En- 1 0.04-0.06 0.15 0.50 0.14 0.85 0.23-0.75-0.09-0.05 0.09 joy- 2 0.28 0.21-0.05 0.10 0.05-0.15-0.13 0.14 0.06 0.13 0.02 ment 3-0.21-0.05-0.12-0.09 0.01-0.09-0.02 0.04-0.08-0.17 * Ac- 1 0.33 0.71 0.31-0.53-0.57-0.17 0.23-0.10-0.23-0.22-0.05 tiv- 2-0.04 0.07-0.11 0.12 0.10 0.00-0.24 0.30 0.16 0.32-0.01 ity 3-0.09-0.10-0.04 0.06 0.02-0.07-0.11 0.07-0.08 0.10 * * * * Per- 1 0.50 0.26 0.14-0.18-0.11-0.09-0.23 0.13-0.27-0.14 0.13 for- 2-0.17 0.13-0.05-0.05 0.06-0.04 0.01-0.03 0.25 0.25 0.01 mance 3-0.06-0.07 0.05-0.03 0.04 0.12 0.01-0.01-0.09-0.15 * + 3 2 2 2 5 1 5 5 LSD M condition 5 1 5 1 p <.05 N condition 5 1 5 1 p <.05 Fig. 6 2 LSD LSD Fig. 6 The periods of using computers andeffect of the gazing direction control p <.05 JRSJ Vol. 19 No. 3 84 Apr., 2001

369 4. 1 3 1 2 3 4. 1 2 2 4. 2 1 2 2 3 2 1 2 2 19 3 85 2001 4

370 Table 6 The avoidance behavior and impressions Condition N (camera No move) M (camera Move) Avoidance behavior None Some P None Some P Num. of subjects 17 11 15 19 Familiality -0.05-0.08 0.96 0.37 0.02 0.32 Enjoyment 0.09-0.42 0.20 0.22-0.01 0.34 Activity -0.37-0.70 0.08 + 0.81 0.09 0.06 + Performance 0.06-0.07 0.76 0.14-0.32 0.14 Moved distance (m) 11.72 11.33 0.88 9.63 10.08 0.80 Interacion time (sec) 158.1 122.1 0.06 + 149.9 124.3 0.08 + Obstruct 0.41 0.55 0.76 0.40 0.42 1.00 Cross 0.47 0.55 1.00 0.67 0.68 1.00 Swing hands 0.06 0.09 1.00 0.13 0.11 1.00 Hide eye (s) 0.00 0.45 0.01 ** 0.13 0.05 1.00 Eye contact 0.59 0.36 0.44 0.67 0.53 0.64 Look inside 0.35 0.36 1.00 0.40 0.42 1.00 4. 3 2 Table 6 Moved distance 5 Interaction time 5 Obstruct 2 Action to people 25% 25% 0.53> 0.10* 0.32> 0.24* 2 Table 7 The robot actions to people Act. to people Few Many P Num. Of sub. 28 28 Familiarity -0.02-0.18 0.54 Enjoyment -0.10 0.53 0.01 * Activity -0.24 0.32 0.04 * Performance -0.17 0.11 0.28 Moved dist. (m) 12.70 7.07 0.00 ** Int. time (sec) 114.1 202.8 0.00 ** Obstract 0.21 0.68 0.00 ** Cross 0.39 0.64 0.11 Swing hands 0.07 0.25 0.14 Hide eye (s) 0.00 0.32 0.00 ** Eye contact 0.25 0.75 0.00 ** Look inside 0.29 0.50 0.17 Table 7 Moved distance Interaction time 2 Obstruct Hide eye (s) Eye contact 2 Obstruct 7 25% = 2 5 23 25% = 1 16 JRSJ Vol. 19 No. 3 86 Apr., 2001

371 5. [ 1 ] AIBO Homepage, http://www.sony.co.jp/soj/aibo/ [ 2 ] T. Ogata and S. Sugano : Emotional Behavior Adjustment System in Robots, IEEE Internal Workshop on Robot and Human Communication, pp.352 357,1997. [3] vol.1, no.2, pp.95 99, 1994. [ 4 ] T. Shibata, M. Yoshida and J. Yamato: Artificial Emotional Creature for Human-Machine Interection, Proceedings of the IEEE System, Man, and Cybernetics, pp.2269 2274, 1997. [ 5 ] T. Sato, T. Harada and T. Mori: Contact Interaction Robot, Proc. IEEE/RSJ Int. Conf. Intelligent Robots and Systems, pp.312 317, 1997. [ 6 ] S. Shibata and H. Inooka: Psychological evaluations of robot motions, International Journal of Industrial Ergonomics, vol.21, pp.483 494, 1998. [7] AHI vol.12, no.1, pp.155 163, 1994. [8] 99, pp.33 34, 1999. [9] WAMOEBA- 2 C vol,65, no.633, pp.1900 1906, 1999. [10] SD 1983. [11] 1987. [12] H. Ishiguro, T. Kanda and K. Kimoto, T. Ishida: A Robot Architecture Based on Situated Modules, Proc. IEEE/RSJ Int. Conf. Intelligent Robots and Systems, 1999. [13] 1981. [14] V. Bruce 1990. [15] K. Isbister, H. Nakanishi, T. Ishida and C. Nass: Helper Agent: Designing an Assistant for Human-Human Interaction in a Virtual Meeting Space, International Conference on Human Factors in Computing Systems (CHI-2000), 2000 (to appear). [16] 1996. [17] 1990. Takayuki Kanda 1975 12 7 1998 Toru Ishida 1953 7 17 1976 78 IEEE, ACM, AAAI Hiroshi Ishiguro 1963 10 23 1986 1988 1991 1992 IEEE AAAI 19 3 87 2001 4