机器人应该能够回答哪些问题？一个面向可解释性机器人学的用户问题数据集

随着大型语言模型和会话界面在人机交互中日益普及，机器人回答用户问题的能力比以往任何时候都更加重要。因此，我们引入了一个包含 1,893 个用户对家用机器人提问的数据集，这些问题来自 100 名参与者，分为 12 个类别和 70 个子类别。可解释机器人学的大部分工作都集中在“为什么”问题上。相比之下，我们的数据集提供了各种各样的问题，从关于简单执行细节的问题到关于机器人在假设场景中如何行动的问题——从而为机器人专家提供了关于他们的机器人需要能够回答哪些问题的宝贵见解。为了收集数据集，我们创建了 15 个视频刺激和 7 个文本刺激，描绘了机器人执行各种家务任务的场景。然后，我们向 Prolific 上的参与者询问他们在每个描绘的情境中会想问机器人什么问题。在最终的数据集中，最常见的类别是关于任务执行细节的问题 (22.5%)、机器人能力的问题 (12.7%) 和性能评估的问题 (11.3%)。尽管关于机器人如何处理潜在困难场景和确保正确行为的问题频率较低，但用户将其评为机器人需要能够回答的最重要问题。此外，我们发现自认为是机器人学新手用户提出的问题与经验丰富的用户不同。新手更倾向于询问简单的事实，例如机器人做了什么或环境的当前状态。随着机器人进入与人类共享的环境，并且语言成为提供指令和交互的核心，该数据集为 (i) 识别机器人需要记录并暴露给会话界面的信息，(ii) 基准测试问答模块，以及 (iii) 设计符合用户期望的解释策略提供了宝贵的基础。