The purpose of this thesis is to explore a new method of establishing an emotion model for the design of facial expressions of humanoid robots. An emotion model is essential for deciding what emotions a robot should have. Most studies regarding emotion models and the facial expressions of robots have attempted to embody all expressions of humans without taking the robot’s use context and function into account. However, the premise that humanoids should express all kinds of emotions is questionable considering that humanoids can be specialized for a particular use and context such as in educational or caregiving applications. This thesis explores the facial expressions humanoids should have in certain contexts and the kinds of emotion models that should be developed to realize those expressions.
The study is focused on educational humanoid robots. Sixty emotion related adjectives were elicited by applying contextual scenarios where users were asked to envision possible interactions in over 74 given scenarios in different contexts. Doing so can overcome the limits of research that does not consider a robot’s use context when it is specialized with particular functions. Appropriate facial expressions were derived after a frequency analysis, and an emotional dimension was found by a multi-dimensional scaling analysis on 23 adjectives with high frequency. The results showed that educational humanoid robots should dominantly express emotions related to ‘happiness’, implying that their facial expressions should be designed to express ‘happiness’ more diversely.
The proposed contextual scenario based method of constructing an emotion model of a robot could be employed as a new method to envision interactions between human and robot in certain situations. Furthermore, emotional words elicited from those scenarios could be utilized to analyze the underlying structure of emotions that the humanoid should embody. The contextual scenario method can be utilized to reduce the complexity of the classification and appraisal phase in an emotion model.
본 논문의 주된 목표는 로봇의 표정 디자인을 위한 감정모델을 개발하는 새로운 방법의 탐구이다. 현재까지 개발된 몇 몇 표정 로봇들의 감정모델은 그 로봇의 사용 상황이 고려되지 않고 인간의 모든 표정을 빠짐없이 연속적으로 구현하는 것에 중점을 두어왔다. 휴머노이드 로봇이 특정 기능을 강조하여 특정 상황에서 사용될 수 있음을 전제로 할 때, 로봇의 표정은 사용 상황에 따라 강조되거나 생략됨으로써 인간-로봇 인터랙션을 향상시킬 수 있다. 본 논문에서는 휴머노이드 로봇이 교육용 환경에서 어떤 감정을 지녀야 하며 어떤 표정을 표출해야 하는지를 정의하고, 시나리오를 이용한 새로운 감정모델의 구축 방법을 수립하였다.
휴머노이드 로봇의 표정 구현을 위한 감정모델은 로봇이 처한 상황에서 정보를 입수하여 그 상황에 맞는 감정을 결정하고 그에 따른 표정을 결정하는 일련의 감정 프레임워크이다. 따라서 감정 모델은 로봇 내부의 감정 상태를 결정하는 중요한 프로세스라고 할 수 있다. 그러나 로봇이 처하게 될 수많은 변수들을, 로봇은 어떻게 정확히 판단할 수 있을까. 한 가지 가능한 방법은 로봇의 주변 환경을 미리 정의하여 입력 시켜 두는 것이다. 로봇이 처하게 될 모든 상황을 데이터베이스화 하여 구축해 둔다면 어떠한 상황에서도 로봇은 올바를 상황 판단을 하게 되고 그에 따른 감정을 결정할 수 있을 것이다. 그러나 이 방법은 현 시점에서 불가능해 보인다.
수많은 변수들을 모두 미리 예측하여 정의하는 것이 불가능하다면 로봇의 행동과 주변 환경을 제한하는 방법을 생각할 수 있다. 전술한 바와 같이 특정 기능으로 특정 상황에서 사용되는 로봇의 경우는 이러한 가정이 가능하게 된다. 예를 들어 유아들을 보조하는 교육용 로봇의 경우, 로봇의 활동 장소, 로봇의 언어, 동선 등 주변 환경을 적절히 제한할 수 있다. 이 경우에 로봇이 지녀야 할 감정은 그 상황에서 자주 발생할 수 있는 것으로 범위가 축소될 수 있을 것이다. 모든 상황을 고려하는 것이 아니라 주된 상황으로 제한하고 그에 따른 판단과 감정을 보다 쉽고 정확하게 결정하게 할 수 있게 된다.
이와 같이, 맥락을 고려한 감정모델은 여러 측면에서 많은 잇점을 가진다. 로봇의 기능과 사용 상황을 제한함으로써, 감정 결정의 프로세스를 단순화하고 미리 입력해야 할 정보를 적절하게 제한할 수 있기 때문이다.
본 논문에서는 교육용 환경에서 휴머노이드 로봇이 어떤 상황에 처하게 될 것이며 어떤 감정을 가지게 될 것인지를 예측할 수 있는 방법으로 시나리오를 택하였다. 시나리오는 미래 상황을 조망하고 사용자와 제품, 환경 사이의 인터랙션 요소를 추출할 수 있는 적절한 툴이라고 할 수 있다. 기술적, 경제적 한계로 로봇의 미래 사용 상황을 실제로 구현하면서 인터랙션 요소를 추출하기는 쉽지 않다. 시나리오는 그러한 단점을 보완할 수 있는 방법으로 본 논문에서 사용되었다. 본 연구에서는 로봇의 표정 구현을 위한 감정모델을 구축할 때, 시나리오를 활용하고 이 시나리오를 분석하여 최종적인 감정모델을 구축하는 과정을 수립하였다.
인터랙션 대상을 유아들을 보조하는 교육용 로봇으로 한정하고, 그러한 환경에서 발생하게 될 여러 상황들을 시나리오를 통해 추출하였다. 유아교육을 전공하고 유치원과 같은 곳에서의 현장 경험이 있는 34명의 대학교 2학년 학생들을 대상으로 어린이, 로봇, 환경의 세 관점에서 발생 가능한 시나리오를 서술식으로 작성하게 하였다. 이를 통해 얻어진 102개의 시나리오를 5명의 현직 유치원 교사에게 읽게 하고 중복되는 시나리오는 결합하고, 비현실적인 시나리오는 제거하는 방법으로 총 74개의 시나리오를 최종적으로 도출하였다.
74개의 프린트된 시나리오는 유아교육을 전공하는 다른 대학생 55명에게 무선적으로 전달되었고, 1인당 3개의 시나리오를 검토한 뒤 그 상황에서 로봇이 가지게 될 감정 상태를 형용사를 이용하여 추정하도록 하였다. 이때 응답자의 형용사에 대한 이해를 돕고자 미리 준비된 116개의 형용사 테이블이 제공되었다. 이러한 방법으로 총 60종의 형용사 어휘가 도출되었다.
60개의 어휘를 기본 감정모델에서 제시하는 6가지 감정 (happy, sad, surprise, fear disgust, anger)에 대입하였을 때의 빈도를 분석한 결과, happy의 빈도수가 74% 이상이었다. 이는 교육용 환경에서, 로봇은 ‘happy’ 라는 감정을 상당히 빈번하게 표출해야 됨을 말해준다.
한편, 60개의 단어들이 감정 공간에서 어떠한 공간 구조를 가지는지 분석하기 위하여 10회 이상의 빈도수를 나타낸 23개의 단어를 선정하여 다차원척도법 ( Multi-Dimensional Scaling) 분석을 통해 감정 공간을 결정하였다. 23개의 단어를 두 개씩 짝을 지어 쌍으로 만들고 이를 6명의 설문자에게 두 단어의 상대적 거리를 7점 척도를 이용하여 물었다. 다차원척도법은 응답자들의 답변 속에 내재되어 있는 상대적 거리를 시각적 지도를 통하여 보여주는 통계 기법이다. 문헌 연구에서 살펴본 바와 같이, 다차원척도법은 감정 공간을 정의하는 주된 기법으로 종종 사용되고 있으므로, 본 논문에서도 이 분석법을 사용하였다.
분석 결과, 교육용 환경에서의 휴머노이드 로봇의 감정 공간은 2차원으로 표현될 수 있으며 수평 축은 쾌/불쾌 축(pleaseant/unpleasant), 수직 축은 각성(arousal/unarousal) 축으로 정의 될 수 있음을 발견하였다. 또한 happy 라는 감정은 크게 세 단계의 강도 차이가 나는 범주로 구분됨을 알 수 있었다. 이러한 범주화는 휴머노이드 로봇이 교육용 환경에서 happy라는 감정을 표현할 때 단순한 웃는 모습(smile)이 아니라 강도 차이가 있는 happy를 표현할 때, 보다 풍부한 인간-로봇 인터랙션을 유발할 수 있음을 보여준다. 반면에 happy를 제외한 다른 표정들의 상대적인 중요성은 약하다고 할 수 있으며, 혐오(disgust)나 공포(fear)와 같은 표정을 거의 필요하지 않음을 알 수 있었다.
이상과 같이 본 논문에서는 시나리오를 작성하고 그 시나리오에서 도출된 감정 형용사를 통계적 기법을 이용하여 분석하는 방법으로 로봇의 감정 모델을 구축하였다. 이와 같이 감정모델을 구축하는 방법을 통하여 다음과 같이 결론짓고자 한다.
첫째, 휴머노이드 로봇의 표정은 인간과 반드시 같을 필요는 없다. 그 로봇의 기능과 역할에 맞는 감정이 강조되거나 생략될 수 있다. 따라서 휴머노이드 로봇의 개발에서 무엇보다 로봇의 기능과 사용상황을 정의하는 것이 필요하다. 시나리오를 이용하면 미래 로봇의 사용 상황을 빠른 시간 내에 예측할 수 있고 이를 바탕으로 로봇의 감정 상태를 추정하여 표정 구현을 위한 로봇의 감정모델을 상황에 맞도록 구축할 수 있다.
둘째, 교육용 환경에서 휴머노이드 로봇의 표정은 happy를 보다 풍부하고 다양하게 표현하는 것이 인간-로봇 인터랙션을 향상시킬 수 있을 것이다.
셋째, 휴머노이드 로봇의 감정 모델을 구축하는 방법은 로봇이 처하게 될 상황을 미리 제한하는 것이 유용할 것이다. 모든 상황을 미리 정의하는 것이 불가능 하다는 전제를 한다면, 로봇의 역할을 한정하고 상황을 제한함으로써, 감정 결정을 위한 변수들을 미리 정의하여 입력하는 것이 가능해질 것이다.
휴머노이드 로봇을 개발할 때, 우리는 로봇이 제한된 환경에서만 동작하기를 원한다. 이 제한된 환경은 그 상황에서 어떤 인터랙션 요소가 발생할 것인가, 어떻게 로봇과 인간이 인터랙션할 것인가를 예측함으로써 정의될 수 있다. 상황이 고려된 시나리오는 이러한 예측을 가능하게 하는 도구로써, 휴머노이드 로봇의 감정 모델을 개발을 하는데 유용하게 사용될 수 있을 것이다.
