Prof. Dr. Linda Onnasch

Prof. Dr. Linda Onnasch erforscht, wie Roboter ihre Absichten und Emotionen für Menschen intuitiv erkennbar machen können, um eine sichere und vertrauenswürdige Zusammenarbeit zu ermöglichen. Sie entwickelt Methoden wie den Einsatz von Roboter-Augen als Blickrichtungshinweise oder die Modulation der Sprachmelodie, um die Vorhersagbarkeit und Akzeptanz von Robotern zu verbessern. Ihre Arbeiten helfen Unternehmen dabei, Mensch-Roboter-Interaktionen in der Industrie (z. B. Cobots), im Gesundheitswesen (z. B. Pflegeroboter) oder in der Autismus-Therapie nutzerfreundlicher und sicherer zu gestalten. Zudem untersucht sie psychologische Faktoren für die Akzeptanz neuer Technologien wie automatisierte Shuttles oder nachhaltige Lebensmittelproduktion.

🔒 Das System hat 280 mögliche Industrie-Partner gefunden — Firmen, Scores und Begründungen sind nur für eingeloggte Nutzer:innen sichtbar. Anmelden

• EXC 2002/1: Science of Intelligence (SCIoI)

  Quelle ↗

  Intelligenz zu verstehen zählt zu den großen wissenschaftlichen Herausforderungen unserer Zeit. Dennoch bleibt unser Verständnis von Intelligenz, trotz intensiver Forschung verschiedener Fachrichtungen, fragmentarisch und unvollständig. Das Exzellenzcluster „Science of Intelligence (SCIoI)“ wird maßgeblich dazu beitragen, Intelligenz als Ganzes besser zu verstehen. Hierzu sollen die bestehenden Erkenntnisse aus verschiedenen Disziplinen der Intelligenzforschung zusammengeführt werden. Gleichzeitig sollen den Disziplinen durch SCIoI wertvolle neue Forschungsimpulse zugeführt werden. Die Forschungsergebnisse werden außerdem dazu genutzt, neue intelligente Technologien zu schaffen, die zum gesellschaftlichen Nutzen in verschiedensten Bereichen eingesetzt werden können. Das wissenschaftliche Ziel von SCIoI ist die Erforschung der Prinzipien von Intelligenz. Dieses Ziel soll mit Hilfe eines synthetischen Ansatzes erreicht werden, bei dem alle Theorien, Erkenntnisse, Konzepte und Methoden in technologische Artefakte, wie beispielsweise Roboter oder Computerprogramme, einfließen müssen. Diese Artefakte dienen als gemeinsame „Sprache“, die einen wissenschaftlichen Austausch über disziplinäre Grenzen hinweg ermöglicht. Dieser Austausch wiederum führt zu einer Validierung und Verknüpfung von Forschungsergebnissen sowie deren Übertragung und Erweiterung. Erkenntnisse, die über mehrere der beteiligten Disziplinen hinweg konsistent sind, liefern wertvolle Hinweise auf die gesuchten Prinzipien der Intelligenz, Widersprüche werden zu neuen Fragestellungen führen. Darüber hinaus erleichtert der verfolgte synthetische Ansatz die Überführung der gewonnenen Erkenntnisse in praktische Anwendungen. Mit dem Exzellenzcluster SCIoI wird ein interdisziplinärer Forschungsverbund geschaffen, der für in der Intelligenzforschung tätige Wissenschaftler*innen ideale Arbeitsbedingungen bietet. Das integrierte Graduiertenprogramm wird bei der Ausbildung einer neuen Generation interdisziplinärer Intelligenzforscher*innen eine zentrale Rolle spielen. Durch den interdisziplinären Ansatz sowie die Attraktivität und Relevanz der untersuchten Fragestellungen wird SCIoI langfristig den Frauenanteil insbesondere in den beteiligten MINT-Fächern erhöhen.

• EXC 2002: Science of Intelligence (SCIoI)

• A meta-analysis on the effectiveness of anthropomorphism in human-robot interaction

  2021

  Science Robotics · DOI

  The application of anthropomorphic design features is widely assumed to facilitate human-robot interaction (HRI). However, a considerable number of study results point in the opposite direction. There is currently no comprehensive common ground on the circumstances under which anthropomorphism promotes interaction with robots. Our meta-analysis aims to close this gap. A total of 4856 abstracts were scanned. After an extensive evaluation, 78 studies involving around 6000 participants and 187 effect sizes were included in this meta-analysis. The majority of the studies addressed effects on perceptual aspects of robots. In addition, effects on attitudinal, affective, and behavioral aspects were also investigated. Overall, a medium positive effect size was found, indicating a beneficial effect of anthropomorphic design features on human-related outcomes. However, closer scrutiny of the lowest variable level revealed no positive effect for perceived safety, empathy, and task performance. Moreover, the analysis suggests that positive effects of anthropomorphism depend heavily on various moderators. For example, anthropomorphism was in contrast to other fields of application, constantly facilitating social HRI. The results of this analysis provide insights into how design features can be used to improve the quality of HRI. Moreover, they reveal areas in which more research is needed before any clear conclusions about the effects of anthropomorphic robot design can be drawn.

• A Taxonomy to Structure and Analyze Human–Robot Interaction

  2020

  International Journal of Social Robotics · DOI

  Abstract Robotic systems are one of the core technologies that will shape our future. Robots already change our private and professional life by working together with humans in various domains. Evoked by this increasing trend, great variability exists in terms of robots and interaction scenarios. This has boosted research regarding shaping factors of human–robot interaction (HRI). Nevertheless, this variety hinders the comparability and the generalizability of insights. What is needed for efficient research is a structured approach that allows the analysis of superordinate attributes, making previous HRI research comparable, revealing research gaps and thus guiding future research activities. Based on the review of previous HRI frameworks we developed a new HRI taxonomy that (1) takes into account the human, the robot, the interaction and the context of the HRI, (2) is applicable to various HRI scenarios and (3) provides predefined categories to enable structured comparisons of different HRI scenarios. A graphical representation of the taxonomy, including all possible classifications, eases the application to specific HRI scenarios. To demonstrate the use and value of this taxonomy, it is applied to different studies in HRI in order to identify possible reasons for contrasting results. The exemplified applications of the taxonomy underline its value as a basis for reviews and meta-analyses. Moreover, the taxonomy offers a framework for future HRI research as it offers guidance for systematic variations of distinctive variables in HRI.