VR中智能体化身控制权切换：用户感知能动性不随实际控制者更新

研究背景：混合控制虚拟人中的感知能动性

在虚拟现实（VR）中，虚拟人（Virtual Human, VH）究竟由真人控制还是由计算机程序控制，会深刻影响用户对其行为的解读与反应。随着混合式VH系统的出现，控制权可以在交互过程中从人类操作者转移到计算机程序，或反向转移。但一个关键问题尚未得到解答：当控制权发生切换时，用户对VH“能动性”（agency）的感知是随之更新，还是固守于最初形成的印象？

一篇发表在arXiv上的研究论文《Perceived Agency During Agent-Avatar Control Transitions in Virtual Reality》针对这一问题展开了实验。研究团队设计了一项被试内VR实验，招募24名参与者，设置了四种实验条件：始终由计算机控制、计算机转人类、人类转计算机、始终由人类控制。参与者扮演采访者角色，向VH提出一组固定问题。每次交互前，参与者会被告知VH是由人类还是计算机控制——这一信息在交互开始时与实际控制者一致，但参与者并不知道交互过程中可能发生控制权切换。

感知能动性（Perceived Agency） 是社会认知与虚拟人交互研究中的核心概念，指用户对某个实体（此处是虚拟人）的行为是由自身意图驱动还是由外部程序驱动的判断。在人类—智能体交互领域，它常与“感知自主性”“感知智能”等概念并列，但更强调对“谁在控制”这一因果归属的推断。感知能动性不同于客观控制权：前者是用户的主观归因，后者是系统层面的实际控制来源。已有研究表明，人们对能动性的判断高度依赖线索，如行为自然度、反应延迟、语言风格等，且容易受到先验期望的锚定。在混合式VH系统中，控制权可在交互中转移，这使得感知能动性成为一个动态但可能滞后的认知变量，正是本研究考察的焦点。

核心发现：初始信念主导感知能动性

实验结果显示，感知能动性受到交互开始时呈现的控制者类型的强烈影响，且没有证据表明在控制权切换后感知能动性会更新。换句话说，即使VH的实际控制者在中途发生了变化，用户仍然倾向于按照最初告知的信息来判断其能动性。

这一发现揭示了先验信念和第一印象在塑造感知能动性方面的持久作用。用户似乎将“这个VH是由人类还是计算机控制”的初始标签内化为一种稳定的认知框架，后续的行为变化不足以打破这种框架。这与许多混合系统设计者的直觉相悖——他们可能假设用户能够察觉到控制权的转移并相应调整判断。

社会评价更敏感于实际行为变化

与感知能动性不同，社会评价维度（包括喜爱度和共在感）表现出不同的模式。研究发现，当人类控制出现得更晚、且覆盖交互更大比例时，喜爱度和共在感总体上更高。这意味着社会评价对VH在交互过程中的实际行为更为敏感，而不仅仅依赖于初始标签。

这一分离现象值得深入思考：感知能动性是一种相对“认知固化”的判断，而社会评价则更多基于交互体验的动态积累。用户可能在理性层面坚持“它一开始是人类控制的”这一判断，但在情感和社交层面，却会根据实际互动质量调整感受。

共在感（Social Presence） 是VR与远程通信研究中的经典构念，指用户在与中介化实体交互时，感觉对方是“真实存在的社会他者”的程度。它通常包含共同注意、情感联结和空间共存等维度，与喜爱度、信任感等评价性指标相关但不同。共在感被认为是衡量虚拟人社交质量的关键指标，受非言语线索（眼神、手势、回应性）和交互流畅度影响较大。在本研究中，共在感被用作社会评价维度之一，其结果显示当人类控制出现更晚且覆盖比例更大时共在感更高，说明用户对“真实人类参与”的社交信号具有动态敏感性，这与感知能动性的认知固化形成对照。

对混合式虚拟人设计的启示

这项研究对混合式VH系统的设计具有直接意义。如果设计者希望用户准确感知控制权的切换，仅靠实际切换控制者是不够的——用户的初始信念会持续覆盖后续感知。因此，可能需要在交互过程中提供明确的线索或反馈来提示控制权变化，或者重新思考控制权切换的交互设计方式。

另一方面，社会评价对实际行为的敏感性提示设计者：即使感知能动性难以改变，通过改善交互行为质量仍可提升用户的社交体验。对于需要在人机控制之间灵活切换的应用场景（如远程呈现、虚拟助手、社交VR等），这一发现提供了重要的设计参考。

研究局限与未来方向

该研究采用被试内设计，样本量为24人，实验任务为固定问题的采访场景。控制权切换的时机和比例是实验中的关键变量，但研究并未详细讨论不同切换时机对感知能动性的差异化影响。未来研究可以探索：更长时间交互下感知能动性是否会最终更新；不同类型的控制权切换线索（视觉、行为、语言）能否促进感知更新；以及在不同应用场景中，用户对控制权切换的接受度是否存在差异。

总体而言，这项研究揭示了混合式虚拟人交互中一个容易被忽视的认知现象：用户对“谁在控制”的判断，比我们想象的更加固执于第一印象，而社交层面的感受则更加灵活。