본 연구는 과학관이라는 실제 공공 환경에서 인간-로봇 상호작용(HRI)을 분석하기 위해, 집단 수준의 통계 분석과 개인 수준의 시계열 모델링을 결합한 이중 수준 관찰 분석 방법을 제안하였다. 약 290명의 방문자 영상을 수집하고, 접근(Approach), 회피(Avoid), 접촉(Touch) 등의 7가지 기본 행동을 기반으로 행동 코딩 체계를 개발하였다. 성별에 따른 상호작용 차이는 통계적으로 유의하지 않았으나, 아동과 청소년이 성인에 비해 더 자주, 더 오래 로봇과 상호작용함이 확인되었다.

개인 수준 분석에서는 GMM-HMM을 활용해 방문자의 행동 데이터를 분석하고, 이를 세 가지 참여 수준(Engagement)으로 분류하였다. 저 수준의 참여는 짧은 관찰과 탐색적 행동, 중간 수준은 반복적 기능 탐색, HE는 집중적이고 지속적인 상호작용을 의미하며, 특히 고 수준의 참여 상태의 사용자는 로봇 서비스에 몰입하여 장시간 단일 작업을 수행하는 경향을 보였다. 참여 수준 간 전이 확률은 행동의 흐름을 설명하며, 사용자 참여가 점진적으로 심화되고 있음을 입증하였다.

이러한 결과는 로봇 설계 시 사용자 행동 기반의 맞춤형 인터랙션 전략이 필요함을 시사한다. 특히 아동은 놀이 중심, 성인은 정보 중심의 인터페이스가 적합하며, 참여 수준에 따라 로봇이 실시간으로 대화 난이도나 콘텐츠 종류를 조절할 수 있는 적응형 시스템이 요구된다. 본 연구는 실세계 환경에서의 행동 관찰을 구조화하고, 실시간 참여 인식 기반의 로봇 상호작용 설계를 위한 기초 데이터를 제공한다.

▣ 연구명