1. 案例定位

以 Huggable 社交型機器人說明人工智慧、感測器與機器人如何進入醫療照護中的社交與情緒支持。

2. 學習目標

理解社交型機器人所需的臉部表情辨識、手勢、觸碰與溝通能力,並辨識其與傳統工業機器人的差異。

3. 案例情境

Huggable 外觀像泰迪熊,曾用於 Boston Children’s Hospital 的兒童互動。原書描述兒童會擁抱、牽手、搔癢、擊掌,並把它當作需要互動的對象。

4. 開始資料

案例資訊 原書內容
非語言溝通背景 原書引用研究指出,超過 60% 的人際溝通不是語言,而是透過臉部表情
主要感知/互動 臉部表情、情緒傾向、手勢、人際溝通、觸碰/壓力感測器
醫療場域 Boston Children’s Hospital;原書另敘述接受癌症治療的兒童案例

5. 分析方法

把 Huggable 的感測、判讀、實體互動與情緒溝通能力拆解,分析人工智慧如何支援社交互動。

6. 計算結果

本案例沒有可重算的實驗結果。原書引用「超過 60%」作為非語言溝通背景,但沒有在案例中提供可供重新統計的原始樣本。

7. 結果分析與管理解讀

醫療機器人的價值不只來自執行實體任務,也可能來自溝通與情緒支持。原書並指出,可消毒的機器人在感染控制上具有額外意義。

8. 人工智慧提問詞

依原書 Huggable 案例,把社交支持機器人的能力分成感測、判讀、互動、安全四類,並指出哪些能力仍需要人類監督。

9. 思考/假設情境

問題:若機器人能辨識語音但不能辨識臉部表情與手勢,會失去哪一部分案例所強調的能力?

參考解答:會削弱非語言與情緒訊號的辨識,因此較難提供案例所描述的社交與情緒互動。

10. 資料說明