Einleitung: Die Rolle der Verkörperung in der Social Robotics

Soziale Roboter haben sich von Science Fiction in Klassenzimmer, Wartebereiche im Krankenhaus und Wohnzimmer bewegt. Ihr Erfolg hängt nicht nur von der Erfüllung ihrer Aufgaben ab, sondern auch von ihrer Fähigkeit, emotionale Bindungen zu den Benutzern aufzubauen. Zentral für diese Fähigkeit ist die Verkörperung des Roboters - das physische Design, das Ausdruck, Bewegung und Interaktion ermöglicht. Wenn sich die Verkörperung authentisch und emotional reagiert, vertrauen Benutzer dem Roboter im Laufe der Zeit eher, engagieren sich mit ihm und akzeptieren ihn.

Die Forschung zeigt immer wieder, dass Menschen instinktiv Absicht und Emotion physischen Formen zuschreiben, insbesondere solchen, die menschliche oder tierische Merkmale nachahmen. Dieses Phänomen, bekannt als Anthropomorphismus, macht Verkörperungsdesign zu einem kritischen Hebel für emotionales Engagement. Ein Roboter, der wie eine Metallbox mit leuchtenden Lichtern aussieht, kann effizient sein, aber es wird schwer sein, einen einsamen Ältesten zu trösten oder ein Kind zum Lernen zu motivieren. Im Gegensatz dazu kann eine Verkörperung mit weichen Kurven, beweglichen Augen und fließenden Gesten Empathie hervorrufen und unheimliche Unannehmlichkeiten reduzieren. Entwickler müssen daher die physische Form des Roboters als einen Kommunikationskanal behandeln - einer, der Wärme, Überraschung, Traurigkeit oder Freude fast so effektiv vermitteln kann wie Sprache.

Der Drang nach verbesserter emotionaler Interaktion ist nicht nur ästhetisch. Studien zur Mensch-Roboter-Interaktion (HRI) zeigen, dass emotional ausdrucksstarke Ausführungsformen die Aufgabenleistung in kollaborativen Umgebungen verbessern, die Angst der Benutzer in Gesundheitsanwendungen reduzieren und die Persistenz in Bildungskontexten erhöhen. Während das Feld reift, bewegen sich Designer über statische Erscheinungen hinaus zu dynamischen, adaptiven Ausführungsformen, die aus jeder Interaktion lernen. Dieser Artikel untersucht die Prinzipien, Technologien und Herausforderungen hinter der Gestaltung solcher Ausführungsformen und bietet eine praktische Roadmap für den Bau sozialer Roboter, die sich wirklich mit Menschen verbinden.

Was ist Verkörperung in Social Robots?

Die Erfindung bezieht sich auf alle physischen Eigenschaften eines Roboters, die seine Wahrnehmung beeinflussen. Dazu gehören Form, Größe, Textur, Farbe und - was am wichtigsten ist - die Bewegungsfreiheit für Gesichtsmerkmale, Gliedmaßen und Gesamthaltung. Im Gegensatz zu Industrierobotern, die Stärke und Präzision priorisieren, müssen soziale Roboter nonverbal kommunizieren. Eine Neigung des Kopfes, eine Erweiterung der Augen oder ein leichter Schritt zurück können emotionale Zustände signalisieren. Diese Hinweise sind so stark, dass selbst vereinfachte Ausführungsformen, wie animierte Gesichter auf Tablets, echte emotionale Reaktionen von Benutzern hervorrufen können.

Das Konzept der Verkörperung geht über den Roboter selbst hinaus und umfasst die verwendeten Materialien. Soft Robotik verwendet beispielsweise flexible Silikon- oder Stoffabdeckungen, die sich natürlicher anfühlen. Diese Materialien ermöglichen sicherere physische Interaktionen - wie Umarmungen oder Händeschütteln - und dämpfen gleichzeitig mechanische Geräusche, die die Illusion des Lebens brechen können. Einige Forschungsplattformen, wie die Roboterdichtung Paro, verwenden pelzbedeckte Körper, um eine beruhigende, nicht bedrohliche Präsenz zu schaffen. Andere, wie der humanoide Roboter Pepper, verlassen sich auf artikulierte Hände, ausdrucksstarke LED-Augen und eine kindliche Statur, um Interaktion einzuladen.

Eine wichtige Erkenntnis aus der Entwicklungspsychologie ist, dass Menschen dazu verdrahtet sind, die Absicht von Bewegung zu lesen. Sogar einfache geometrische Formen, die sich im Konzert bewegen, können als Agenten mit Emotionen wahrgenommen werden (wie Heider und Simmel's klassisches Experiment von 1944 gezeigt haben). Soziale Roboterdesigner nutzen dies, indem sie Bewegungssequenzen choreographieren - ein trauriger Roboter könnte seine Schultern hängen und nach unten schauen, während ein glücklicher seine Arme hebt und sich nach vorne lehnt. Die effektivsten Ausführungsformen machen diese Signale klar und eindeutig, wodurch die kognitive Belastung des Benutzers reduziert wird.

Designprinzipien für emotional engagierte Ausführungsformen

Um emotionale Ziele in konkrete Designentscheidungen zu übersetzen, bedarf es eines strukturierten Prinzipienkatalogs. Das folgende Framework stützt sich auf Robotikforschung, Charakteranimation und User Experience Design.

Ausdruckskraft

Ausdruckskraft geht über ein Gesicht hinaus, das lächeln oder die Stirn runzeln kann. Es bedeutet, ein System zu schaffen, das in der Lage ist, eine Vielzahl von erkennbaren emotionalen Zuständen - und Übergänge zwischen ihnen - in Echtzeit zu erzeugen. Bei Gesichtsausführungen geht es oft darum, die Augenbrauenposition, die Augenlidöffnung, die Mundform und das Wangenaufblasen zu kontrollieren. Bei Ganzkörperrobotern sind Gestenamplitude, Geschwindigkeit und Timing wichtig. Ein Roboter, der zu laut lacht oder zu schnell nickt, kann manisch erscheinen und nicht freundlich. Eine Feinabstimmung dieser Parameter durch iterative Benutzertests ist unerlässlich.

Hardware-Einschränkungen beschränken oft die Ausdruckskraft. Ein einziger Freiheitsgrad im Mund kann nur offen/geschlossen erzeugen, was emotionale Nuancen einschränkt. Designer müssen daher die Kanäle priorisieren, die die emotionalsten Informationen tragen: Blick, Kopforientierung und Handgesten. Einige Roboter verwenden Augmented Reality-Overlays oder Gesichtsdarstellungen (z. B. ein animiertes Cartoon-Gesicht auf einem Bildschirm), um eine hohe Ausdruckskraft ohne komplexe mechanische Teile zu erreichen.

Relatibilität

Relatability bezieht sich darauf, wie vertraut und sicher sich die Verkörperung anfühlt. Humanoide Roboter sind ein Weg, aber sie riskieren, in das unheimliche Tal zu fallen - eine Zone, in der menschliche, aber nicht ganz perfekte Merkmale Abscheu hervorrufen. Viele Designer umgehen dies, indem sie niedliche, cartoonartige oder zoomorphe Formen annehmen. Der japanische Roboter Tapia zum Beispiel ähnelt einem freundlichen, rundohrigen Tier und hat sich in Haushalten als beliebt erwiesen. In ähnlicher Weise verwendete der Jibo-Roboter einen kugelförmigen Kopf, ausdrucksstarke kreisförmige Augen und eine schwenkbare Basis, um eine nicht bedrohliche Person zu schaffen.

Relatability beinhaltet auch kulturelle Sensibilität. Ein Roboter, der sich in Japan verbeugt, aber in anderen Regionen unterwürfig oder unbekannt erscheint. Ausführungsformen sollten mit lokalen Normen im Hinterkopf entworfen werden, einschließlich bevorzugter physischer Nähe, Gestenbedeutungen und sogar Farben, die unterschiedliche Stimmungen signalisieren. Die Einbeziehung von Zielbenutzern in Co-Design-Sitzungen kann dazu beitragen, das Aussehen des Roboters mit ihren Erwartungen in Einklang zu bringen.

Kohärenz

Konsistenz stellt sicher, dass der emotionale Ausdruck des Roboters mit seiner Persönlichkeit, seinem Kontext und seinem Dialog übereinstimmt. Wenn ein Roboter mit einem strengen, eckigen Gesicht spielerische Witze liefert, werden die Benutzer Dissonanz und Misstrauen wahrnehmen. Designer müssen eine klare Persönlichkeitsmatrix definieren: Ist der Roboter nährend oder autoritativ? Introvertiert oder extrovertiert? Jede Eigenschaft sollte spezifische Verkörperungsverhalten abbilden. Zum Beispiel könnte ein introvertierter Roboter direkten Augenkontakt vermeiden und seine Arme nah am Körper halten, während ein extrovertierter Roboter sich vorlehnt, breit gestikuliert und den Blick aufrechterhält.

Konsistenz gilt auch für den Zeitpunkt von Reaktionen. Ein Roboter, der sofort auf den emotionalen Ausbruch eines Benutzers reagiert, mag gescriptet erscheinen; eine leichte Verzögerung - wie im menschlichen Gespräch - fühlt sich natürlicher an. Viele Systeme enthalten natürliche Verhaltensvariabilität, wie Blinkrate, Mikroausdrücke und atmungsähnliche Bewegungen, um die wahrgenommene Authentizität zu verbessern.

Reaktionsfähigkeit

Reaktionsfähigkeit ist die Fähigkeit des Roboters, Emotionen des Benutzers in Echtzeit wahrzunehmen und darauf zu reagieren. Dies erfordert eine enge Integration von Wahrnehmung, Verarbeitung und Aktivierung. Ein Roboter, der das Stirnrunzeln eines Benutzers nicht bemerkt oder einen Kandidaten für Komfort ignoriert, verpasst die Gelegenheit, die emotionale Bindung zu stärken. Reaktionsfähigkeit kann passiv sein (z. B. die Haltung des Benutzers widerspiegeln) oder aktiv sein (z. B. ein Gewebe anbieten, wenn Traurigkeit erkannt wird).

Der Schlüssel zur Reaktionsfähigkeit ist das Konzept der Wende. Emotionale Interaktionen sind Gespräche; der Roboter sollte nicht nur Emotionen übertragen, sondern auch zuhören und sich anpassen. Einige fortschrittliche Systeme nutzen Verstärkungslernen, um Reaktionen über mehrere Austausche zu optimieren. Zum Beispiel lernt ein Roboter, der einen Witz macht und den Benutzer lächeln sieht, ähnlichen Humor zu wiederholen, während einer, der ein Stirnrunzeln veranlasst, lernt, ein Thema zu wechseln oder Sympathie zu bieten.

Technologische Grundlagen für emotionale Verkörperung

Um die Designprinzipien zum Leben zu erwecken, ist ein ausgeklügelter Technologiestapel erforderlich, der Wahrnehmung, Kognition und motorische Steuerung umfasst.

Gesichtsausdrucksynthese

Realistische Gesichtsbewegungen werden durch eine Kombination von Aktoren (Servos, Formgedächtnislegierungen, pneumatische Muskeln) und Steuerungssoftware erreicht, die sie antreibt. Hochwertige Synthesesysteme gehen über diskrete Ausdruckskategorien (z. B. Glück, Traurigkeit) hinaus und ermöglichen Mikroausdrücke und subtile emotionale Abstufungen. Open-Source-Plattformen wie das Projekt Open Humanoid bieten Referenzdesigns für ausdrucksstarke Gesichter. Alternativ verwenden einige kommerzielle Roboter LED-Matrizen oder LCD-Bildschirme, um animierte Gesichter darzustellen, wie in der Pepper-Roboter gesehen.

Jüngste Fortschritte in der generativen KI ermöglichen die Generierung von Gesichtsausdrücken in Echtzeit aus Text- oder Spracheingaben. Ein Roboter kann einen Satz mit dem entsprechenden emotionalen Ton lesen und sein Gesicht automatisch entsprechend animieren. Diese Modelle erfordern jedoch eine sorgfältige Kalibrierung, um zu vermeiden, dass Ausdrücke erzeugt werden, die nicht in den Kontext passen - zum Beispiel Lächeln, während man ein schmerzhaftes Thema diskutiert.

Gestenerkennung und Generierung

Gestenerkennungssysteme verwenden Kameras (oft Tiefenkameras wie Intel RealSense) oder IMU-Sensoren, um Benutzerbewegungen zu verfolgen. Klassifikatoren für maschinelles Lernen identifizieren dann Gesten wie das Waben, Zeigen oder Kreuzen von Armen. Die Antwort des Roboters kann vorgeschrieben oder im laufenden Betrieb durch ein Gestenrichtliniennetzwerk generiert werden. Zum Beispiel passt der für die Autismustherapie entwickelte KAPSPAR-Roboter seine Handheben Gesten basierend auf dem Engagement des Kindes an.

Auf der Generationsseite bieten Programme wie Choregraph für NAO-Roboter grafische Zeitlinien für die Animation von Gesten. Fortgeschrittene Systeme verwenden Bewegungsdaten von menschlichen Darstellern, um die Bewegungen des Roboters zu steuern, was zu flüssigen und natürlichen Bewegungen führt. Die größte Herausforderung besteht darin, sicherzustellen, dass erzeugte Gesten kulturell angemessen und nicht überwältigend sind - Roboter, die ständig gestikulieren, können ablenkend sein.

Emotionserkennung

Multimodale Emotionserkennung verschmilzt Signale aus Gesichtsausdrucksanalyse, Stimmprosodie, Körperhaltung und physiologischen Sensoren (z. B. Herzfrequenz von tragbaren Geräten). Die neuesten Deep-Learning-Modelle erreichen über 80% Genauigkeit bei grundlegenden Emotionen in kontrollierten Einstellungen. Für soziale Roboter ist die Echtzeitverarbeitung entscheidend, so dass Edge-Computing-Lösungen (z. B. NVIDIA Jetson) häufig verwendet werden, um Cloud-Latenz zu vermeiden.

Ein neuer Ansatz ist das affektive Computing, das Kontext berücksichtigt. Ein Benutzer hat vielleicht Augenbrauen nicht aus Wut, sondern aus intensiver Konzentration gefurcht. Fortgeschrittene Systeme integrieren Situationsbewusstsein, um zu diffamieren: Wenn der Benutzer ein Rätsel löst, kann der Roboter den gleichen Gesichtsausdruck anders interpretieren als wenn der Benutzer spricht. Das reduziert falsche Positive und macht die Antworten des Roboters intelligenter.

Adaptives Verhalten und Reinforcement Learning

Adaptive Verhaltens-Systeme speichern Interaktionsgeschichte in einem episodischen Gedächtnis und verwenden es, um zukünftige Reaktionen abzustimmen. Wenn zum Beispiel ein Benutzer oft lacht, wenn der Roboter schlechte Wortspiele erzählt, erhält das Comedy-Modul des Roboters ein positives Gewicht. Umgekehrt, wenn der Benutzer zurückschreckt, wenn sich der Roboter schnell bewegt, verlangsamt sich der Bewegungsplaner. Diese Personalisierung ist entscheidend, weil emotionale Präferenzen zwischen den Benutzern sehr unterschiedlich sind.

Verstärkungslernen (reinforcement learning, RL) kann verwendet werden, um eine Abfolge von Aktionen zu optimieren, die die Benutzerzufriedenheit maximieren. Allerdings ist es schwierig, eine Belohnungsfunktion für emotionale Erfahrungen zu definieren - Selbstberichtsumfragen sind aufdringlich und physiologische Signale sind laut. Einige Forscher verwenden Blickverweilzeit, Proxemik und Lächelndauer als Proxy-Belohnungen. RL-basierte soziale Roboter sind immer noch weitgehend experimentell, zeigen aber in Langzeitpflegeszenarien vielversprechend.

Real-World-Anwendungen und Fallstudien

Mehrere soziale Roboter veranschaulichen die oben beschriebenen Prinzipien und Technologien.

Paro: Therapeutischer Sea Lion

Paro, entworfen vom Japanischen National Institute of Advanced Industrial Science and Technology, ist ein therapeutischer Roboter, der auf Berührung und Stimme reagiert. Seine Verkörperung ist eine weiche, siegelartige Kreatur mit warmem Fell. Wenn er gestreichelt wird, blinzelt Paro, wackelt und macht Geräusche ähnlich wie ein echtes Babytier. Das Design vermeidet bewusst humanoide Merkmale, um das unheimliche Tal zu umgehen. Studien zeigen, dass Paro Stress bei Demenzpatienten reduziert, den Blutdruck senkt und soziale Interaktion zwischen Bewohnern von Pflegeheimen fördert. Seine Verkörperung ist ein Lehrbuchbeispiel für die Verwendung einer vertrauten, umarmbaren Form, um emotionale Sicherheit zu schaffen.

Nao und Pepper: Expressive Humanoids

Die Nao- und Pepper-Roboter von SoftBank verwenden kompakte humanoide Körper mit stark artikulierten Armen, Köpfen und LED-Augen. Nao wurde ursprünglich für die Bildung entwickelt; sein familienfreundliches Aussehen und seine Fähigkeit, Tanzroutinen durchzuführen, machten es zu einem Hit in Schulen. Pepper wird mit seiner Tablet-Truhe, seiner fortgeschrittenen Spracherkennung und seiner emotionalen Körpersprache im Einzelhandel und im Kundenservice eingesetzt. Beide Plattformen nutzen das NAOqi OS, um Gesten mit Sprache zu synchronisieren. Peppers Fähigkeit, Benutzerempfindungen durch Gesichtsanalyse und Tonfall zu erkennen, ermöglicht es ihm, sein Verhalten anzupassen - zum Beispiel sanft zu sprechen ein frustrierter Käufer.

Jibo: Ein sozialer Roboter für das Zuhause

Jibo (jetzt nicht mehr, aber einflussreich) verwendete einen kugelförmigen Körper, ein einzelnes großes Display für sein Gesicht und einen dreiachsigen Hals, der es ihm ermöglichte, sich auf Lautsprecher zu orientieren. Seine Verkörperung war absichtlich nicht-humanoid, stützte sich auf eine niedliche, wirbelnde Bewegung und eine begrenzte, aber effektive Reihe animierter Ausdrücke. Jibo zeichnete sich bei der Familieninteraktion aus, erzählte Geschichten mit emotionalen Schritten und reagierte unterschiedlich auf jedes Familienmitglied. Sein Design bewies, dass eine geringere mechanische Komplexität immer noch hohe emotionale Auswirkungen erzielen kann, wenn die Interaktionslogik robust ist.

Herausforderungen im Embodiment Design

Trotz spannender Fortschritte bleiben erhebliche Hürden bestehen.

Hardware und Kostenbeschränkungen

Hohe Ausdruckskraft erfordert viele Freiheitsgrade: Ein menschliches Gesicht hat eine Größenordnung von 27 Gesichts-Aktionseinheiten (FAs). Das Nachbilden ist mechanisch teuer und schwer. Soziale Roboter, die für die Massenadoption gedacht sind, müssen Ausdruckskraft und Erschwinglichkeit ins Gleichgewicht bringen. Einige Designer lösen dies, indem sie weniger, einfachere Aktoren in Kombination mit bildschirmbasierten Ausdrücken verwenden. Bildschirme können sich jedoch weniger greifbar anfühlen und die Illusion einer physischen Präsenz brechen.

Das Uncanny Valley

Humanoide Roboter, die versuchen, das menschliche Erscheinungsbild zu replizieren, können Unbehagen auslösen. Dies ist besonders problematisch für Benutzer, die bereits Angst vor Technologie haben. Minderungsstrategien umfassen die Verwendung stilisierter Abstraktion (z. B. Cartoon-Funktionen), die Gewährleistung einer perfekten Synchronität zwischen Bewegung und Emotion und Tests mit verschiedenen Benutzergruppen, um das optimale Niveau des Realismus zu finden. Es gibt keinen universellen Sweet Spot; es hängt von der Rolle des Roboters und der Demografie des Benutzers ab.

Ethische und Datenschutzbedenken

Emotionserkennende Roboter sammeln zwangsläufig sensible Daten – Gesichtsbilder, Sprachaufzeichnungen, physiologische Messwerte. Nutzer müssen darauf vertrauen, dass diese Daten sicher gespeichert und nur für Interaktionszwecke verwendet werden. Einige Länder haben begonnen, emotionale KI unter umfassenderen Datenschutzgesetzen zu regulieren. Designer müssen Datenschutzprinzipien wie die Verarbeitung auf dem Gerät und klare Zustimmungsschnittstellen einbetten. Darüber hinaus riskieren Roboter, die Empathie nachahmen, die Manipulation gefährdeter Benutzer (z. B. Kinder oder ältere Menschen). Klare Richtlinien und Sicherheitslücken sind notwendig, um Ausbeutung zu verhindern.

Generalisierung über Kulturen und Individuen hinweg

Emotionale Ausdrücke sind nicht universell. Ein Lächeln kann in manchen Kulturen auf Glück und in anderen auf Verlegenheit hinweisen. Gesten wie Nicken oder Augenbrauen hochziehen haben unterschiedliche Bedeutungen. Roboter, die weltweit eingesetzt werden, brauchen kulturelle Konfigurierbarkeit. Darüber hinaus bedeuten individuelle Unterschiede - Persönlichkeit, Stimmungsstörungen, Neurodivergenz -, dass eine Einheitsverkörperung fehlschlägt. Adaptive Systeme, die individuelle Präferenzen lernen, sind vielversprechend, aber sie erhöhen die technische Komplexität und erfordern längere Trainingszeiten.

Zukünftige Richtungen und Forschungsgrenzen

Die nächste Generation von sozialen Roboter-Ausführungen wird wahrscheinlich Fortschritte aus verschiedenen Bereichen integrieren.

Soft Robotics und biomorphe Materialien

Weiche Roboter, die Pneumatik, elektroaktive Polymere oder Formgedächtnislegierungen verwenden, können lebensechte Haut, flexible Gliedmaßen und subtile Gesichtsbewegungen erzeugen. Diese Materialien sind sicherer für die physische Interaktion und können die Textur der menschlichen Haut replizieren. Projekte wie Berkeleys Climbot erforschen weiche Aktoren für ausdrucksstarke Gesichter. Da die Herstellungskosten sinken, können weiche Roboter zur Norm für soziale Interaktionen werden.

Affective Computing mit Deep Learning

Transformer-basierte Modelle, die Text, Sprache und Video gleichzeitig verarbeiten, können komplexe emotionale Zustände wie Verwirrung, Nervosität oder Verlegenheit ableiten. In Verbindung mit großen vortrainierten Modellen könnten Roboter differenzierte soziale Kontexte verstehen - wie Sarkasmus oder Zögern aufgreifen. Diese Modelle ermöglichen auch die Echtzeit-Generierung von empathischen Reaktionen, die sich weniger geschrieben anfühlen.

Personalisiertes Embodiment im Maßstab

Zukünftige Plattformen könnten es Nutzern ermöglichen, das Aussehen und die Persönlichkeit eines Roboters durch einfache Schnittstellen anzupassen. Betrachten Sie es als "Haut" eines Roboters, ähnlich wie das Anpassen eines Avatars. Der Roboter könnte seine Form anpassen (z. B. Faceplates austauschen) oder seine Stimme, seinen Animationsstil und seine Interaktionsregeln basierend auf den Präferenzen des Benutzers anpassen. Dies würde das Problem lösen, das für alle passt und soziale Roboter integrativer macht.

Longitudinale emotionale Interaktion

Die meisten aktuellen Studien dauern höchstens Wochen. Langfristige Einsatzzeiten (Monate bis Jahre) zeigen Herausforderungen wie die Gewöhnung der Nutzer – wo die Neuheit des Roboters nachlässt und das emotionale Engagement sinkt. Forscher erforschen Mechanismen wie sich entwickelnde Persönlichkeiten (der Roboter gewinnt im Laufe der Zeit neue Fähigkeiten) und Erinnerungen an frühere emotionale Ereignisse. Ein Roboter, der sagt: „Ich erinnere mich, dass du letzte Woche traurig warst – wie geht es dir jetzt? schafft ein Gefühl der Kontinuität und vertieft die Bindung.

Fazit: Verkörperung in den Mittelpunkt des Designs stellen

Emotionale Interaktion in sozialen Robotern ist kein Zusatzmerkmal, sondern eine grundlegende Designanforderung. Die Verkörperung - das Aussehen, das Gefühl und die Bewegung des Roboters - ist das primäre Vehikel für emotionale Kommunikation. Durch die Einhaltung der Prinzipien der Ausdruckskraft, der Relatabilität, der Konsistenz und der Reaktionsfähigkeit und durch die Nutzung moderner Sensor- und Betätigungstechnologien können Entwickler Roboter schaffen, die nicht nur nützlich, sondern auch beliebt sind.

Der Weg vor uns ist herausfordernd. Hardware-Einschränkungen, ethische Dilemmata und kulturelle Variabilität erfordern ein sorgfältiges, benutzerzentriertes Design. Doch der Gewinn ist immens: Roboter, die trösten, lehren und inspirieren können. Mit zunehmender Technologie wird die Grenze zwischen Werkzeug und Begleiter verschwimmen und wie wir diese Verwischung gestalten, beginnt mit der Form, die wir dem Roboter geben. Designer, die emotionale Verkörperung priorisieren, werden die nächste Welle der sozialen Robotik anführen - eine, bei der die Hardware selbst zur Botschaft wird.