城市机器人如何影响安全感？多模态大模型与人类感知的差异

城市街道上出现机器人已不新鲜，但行人如何感知这些机器人对安全的影响，仍是一个待解的问题。一项新研究通过生成首尔街景图像，并利用多模态大模型与人类受访者进行对比，揭示了机器人存在、类型和场景如何改变人们的安全感。

研究方法：合成图像与人格化模型

研究团队生成了18张首尔街道图像，这些图像在时间段（白天/夜晚）、道路等级和机器人条件（无机器人、配送机器人、人形机器人）上有所不同。为了模拟不同人群的感知，他们使用了两个多模态大语言模型（MLLMs）——Qwen3.8-27B和Gemma4-26B，每个模型都以500个合成人格（persona）为条件进行选择。同时，25名人类受访者完成了相同的任务：在每对图像中选择感觉更安全的一张。

这种方法试图将大规模模型模拟与真实人类判断相结合，以探索机器人对感知安全的影响。

多模态大语言模型（MLLMs） 指能够同时处理文本与图像等多种模态输入的大语言模型，典型代表包括 GPT-4V、Gemini、Qwen-VL 等。与纯文本模型不同，MLLMs 通过视觉编码器将图像映射为 token，再与语言模型联合推理，因而可以“看图作答”。在本研究中，MLLMs 被用来对街景图像做出安全感的二选一判断，实际上是把模型当作“虚拟受访者”。合成人格（persona） 则是一种提示工程手段：给定年龄、性别、职业等描述，让模型以特定身份作答，从而模拟人群异质性。需要注意，人格化输出反映的是模型训练数据中的统计倾向，而非真实个体的心理状态，因此其与人类判断的一致性只能作为参考性证据。

核心发现：机器人降低安全感，但类型和场景有影响

两个模型都更倾向于选择没有机器人的街道，这表明机器人的存在总体上降低了感知安全。在机器人类型上，配送机器人比人形机器人更受欢迎。然而，这种偏好受到场景的调节：在夜晚，机器人被选择的频率更高，而道路等级的影响较小。

年龄也是一个因素：年长的人格更少选择有机器人的图像。从模型给出的理由来看，配送机器人被视为物理障碍，而人形机器人则可能被视为威胁或保护来源。

感知安全（perceived safety） 是环境心理学与犯罪学中的核心概念，指个体在特定空间中主观感到免受威胁的程度，区别于由事故率、犯罪率等客观指标衡量的实际安全。研究表明，感知安全受照明、可见度、空间开阔度、他人在场等环境线索影响，并直接关系到人们是否愿意使用某条街道或某个公共空间。服务机器人进入人行道后，同时改变了物理通行空间与社会线索：它既是需要绕行的障碍物，也可能被解读为“有意图的行动者”。这正是研究区分配送机器人与人形机器人的原因——后者因具备类人形态与面部特征，更容易触发拟人化感知，从而引发威胁或守护两种相反的心理反应。

模型与人类判断的异同

与人类类似，两个模型在夜晚也更倾向于选择机器人。但差异同样明显：模型选择人形机器人而非配送机器人的频率远低于人类。此外，Gemma模型对人形机器人的夜晚效应大约是人类的3倍。这些结果表明，人格化MLLMs仅能捕捉部分人类判断，尤其是在涉及人形机器人时。

成对比较（paired comparison） 是心理物理学与偏好研究中常用的实验范式：每次向被试呈现两个选项，要求其选出更优或更安全的一个。相比直接打分，成对比较能降低量表的个体差异与锚定效应，并可通过统计模型（如 Bradley-Terry 模型）转化为可比的偏好强度。本研究让人类受访者与人格化模型完成同样的二选一任务，正是为了让两者在相同刺激与相同反应格式下可比。不过成对比较只反映相对偏好，无法直接得出“安全感下降了多少”的绝对量级，这也是结果以“被选择频率”而非分差形式呈现的原因。

启示与局限

该研究强调了机器人对感知安全的影响取决于出现的时间（如夜晚），而模型模拟虽能提供一定洞察，但不能完全替代人类感知。对于城市机器人设计者和政策制定者而言，理解这些细微差别有助于更好地规划机器人部署，提升公共空间的安全感。

研究也存在局限，例如样本量较小（25名人类受访者），且仅针对首尔街道，未来需要更多样化的场景和更大规模的人类数据来验证。