감정언어 모델과 프롬프트 엔지니어링을 활용한 서비스 로봇 디자인 형태 발상 = A Study on Form Ideation in Service Robot Design Utilizing Sentiment Analysis Models and Prompt Engineering

국문 초록 (Abstract)

현대 사회에서 서비스 로봇은 단순히 기계적 보조를 넘어 인간과 정서적 교감을 이루는 상호작용의 주체로 자리 잡고 있다. 본 연구는 감정언어 모델과 생성형 인공지능 기술을 활용하여 사용자 친화적이며 감정 중심의 서비스 로봇 디자인 발상을 제안하는 것을 목표로 한다. 감정언어를 조형화하는 실험적 접근을 통해, 서비스 로봇의 형태 발상에 적용 가능한 구체적 모델을 구축하였다. 이를 통해 사용자가 서비스 로봇과의 상호작용에서 느끼는 심리적 친밀감과 정서적 수용성을 증진할 수 있는 디자인 접근법을 제시하고자 하였다. 연구는 크게 세 가지 단계로 진행되었다.
첫째, 감정언어 모델의 개념 정립과 디자인 요소 추출을 위해 플러칙 (Plutchik)의 감정모델과 러셀(Russell)의 감정 복합순환 모델을 기반으로 고안된 ‘감정 그리드(Emotion Grid)’를 활용하였다. 플러칙(Plutchik)의 이론은 감정이 기본적인 생존과 관련된 순환적 관계를 가진다고 보았으며, 감정의 강도와 혼합을 통해 인간의 복합적 정서를 설명한다. 러셀(Russell)의 감정 복합순환 모델은 감정을 ’각성(Arousal’)과 ‘쾌감(Pleasure)’의 이차원 축으로 표현하며, 이를 통해 감정의 연속적 상태를 설명한다. 감정 그리드 는 이러한 이론을 바탕으로 흥미, 놀라움, 기쁨, 신뢰, 슬픔, 두려움, 분노, 욕망, 수치심, 혐오의 10가지 기본 감정을 중심으로 설계되었다. 이 모델은 감정을 시각적이고 조형적인 요소로 변환하는 데 중요한 기초 자료로 사용 되었으며, 서비스 로봇 디자인에서 감정 전달 효과를 분석하기 위한 토대가 되었다. 감정 그리드는 각 감정이 전달하는 심리적 특성과 그에 대응하는 조형적 디자인 요소 간의 연관성을 제안하는데, 이는 디자이너에게 감정을 조형적으로 풀어내는 참고자료로써 활용된다.
둘째, 생성형 인공지능 기술인 ‘챗 지피티(Chat GPT)‘와 ‘스테이블 디퓨전(Stable Diffusion)’을 활용하여 감정언어를 기반으로 한 디자인 시안을 개발하였다. 챗 지피티(Chat GPT)는 대표적인 생성형 인공지능으로써 텍스트로 입력된 명령에 따라 다양한 기능을 수행하는 데 활용된다. 본 연구에 서는 챗 지피티(Chat GPT)를 활용해 이미지 생성형 인공지능에서 사용할 프롬프트(Prompt)를 작성하고 정제하는 과정에 활용하였다. 스테이블 디퓨전(Stable Diffusion)은 인공지능 학습 과정인 딥러닝 기반의 이미지 생성 도구로, 주어진 이미지 생성 명령어인 프롬프트(Prompt)에 따라 다양한 시각적 결과물을 생성할 수 있다. 프롬프트를 통해 인공지능에게 작업을 지시 하는 행위인 ‘프롬프트 엔지니어링(Prompt Engineering)’을 통해 감정별로 적합한 형태적, 시각적 요소를 도출하였으며, 이를 통해 다수의 디자인 시 안을 효율적으로 생성하였다. 예를 들어, ‘기쁨’의 경우 곡선형 형태를 통한 부드러운 디자인이 도출되었으며, ‘분노’는 뾰족한 각도가 반영된 날카로운 형태로 표현되었다. 생성된 결과물은 감정 전달의 명확성과 시각적 일관성 을 평가하기 위해 감정별로 구분되어 분석되었다. 이 과정에서 스테이블 디퓨전(Stable Diffusion)은 방대하게 학습된 이미지를 기반으로 디자인의 가능성을 확장하며, 전통적인 직관적 설계 방법의 한계를 보완할 수 있는 강력한 도구로 기능하였다.
셋째, 생성된 디자인 결과물을 분석하여 감정언어 모델이 서비스 로봇의 형태 발상에 효과적으로 적용될 수 있는지를 평가하였다. 감정 전달의 명확 성과 시각적 일관성, 그리고 조형적 요소의 감정적 효과를 중심으로 검토하였다. 기쁨과 신뢰를 표현한 디자인은 사용자에게 친근함과 안정감을 제공하였으며, 분노나 혐오를 반영한 디자인은 거리감과 불쾌감을 유발하는 경향이 있었다. 이러한 분석은 감정언어 모델이 로봇 디자인에서 사용자 경험을 향상시키는 데 중요한 도구로 활용될 수 있음을 입증하였다. 생성된 결과물은 조형적 요소와 감정 간의 상관관계를 실증적으로 확인하며, 디자인 설계에서 감정 전달력의 중요성을 재조명하였다.
본 연구의 주요 결과는 다음과 같다. 첫째, 감정언어 모델은 서비스 로봇 디자인에서 감정적 메시지를 구체적으로 전달할 수 있는 유효한 설계 도구임을 확인하였다. 감정 그리드를 기반으로 한 조형화는 로봇에 대해 보다 직관적이고 감정적으로 연결된 경험을 제공할 수 있음을 보여주었다. 둘째, 생성형 인공지능을 활용한 디자인 실험은 감정언어의 시각적 변환 가능성을 검증함과 동시에 형태 발상 과정에서의 효율성을 높이는데 기여하였다. 이를 통해 디자이너의 창의적 한계를 보완하고, 감정 중심 설계의 실현 가능성을 높일 수 있었다. 셋째, 로봇 디자인에서 감정적 요소와 조형적 특성 간의 관계를 실증적으로 분석함으로써, 향후 로봇 디자인 연구 및 실무에서 활용 가능한 체계적 접근법을 제시하였다.
그러나 본 연구는 몇 가지 한계점을 가진다. 첫째, 생성형 인공지능을 통한 디자인 생성 과정에서 일정 수준의 무작위성이 관찰되었으며, 이는 생성 된 이미지들의 스타일 고정 및 조형화의 일관성 유지의 어려움을 발생시켰 다. 스테이블 디퓨전(Stable Diffusion)은 동일한 프롬프트를 사용하더라도 결과물 간의 변동성이 나타날 수 있어, 디자인의 일관성과 신뢰성을 강화하기 위한 추가적인 기술적 보완이 필요하다. 둘째, 감정언어 모델이 문화적 맥락과 사용자 개인의 경험에 따라 다르게 인식될 가능성이 존재하며, 이를 보완하기 위한 사용자 중심 연구가 요구된다. 셋째, 감정 전달력과 조형적 변화 간의 상관관계를 정량적으로 분석하지 못한 점은 연구의 객관성과 신뢰성을 보완해야 할 과제로 남았다. 이러한 한계를 극복하기 위해, 향후 연구에서는 다음과 같은 방향으로 확장될 필요가 있다.
후속 연구에서는 감정언어 모델과 디자인 요소 간의 정량적 관계를 분석하고, 다양한 문화적 맥락에서 감정 중심 설계의 적용 가능성을 검토할 필 요가 있다. 또한, 스테이블 디퓨전(Stable Diffusion)과 같은 이미지 생성형 인공지능 기술의 정교화를 통해 감정 조형화 과정의 일관성과 신뢰성을 강화하고, 사용자 중심의 디자인 평가를 통해 결과물의 실효성을 더욱 높이는 방향으로 연구를 확장할 계획이다. 사용자 인터페이스와 상호작용 측면에서 감정 중심 설계의 응용 가능성을 검토하고, 감정 전달력에 영향을 미치는 디자인 요소를 보다 체계적으로 분석하는 연구도 요구된다. 나아가, 감정 중심 설계 접근법이 단순히 서비스 로봇에 국한되지 않고, 다양한 산업 제품 디자인에 적용될 가능성을 모색할 것이다.
결론적으로, 본 연구는 감정언어 모델과 생성형 인공지능 기술을 활용하여 서비스 로봇 디자인의 새로운 가능성을 탐구하였다. 감정 중심 설계는 사용자와 로봇 간의 정서적 연결성을 강화하며, 서비스 로봇뿐만 아니라 다 양한 감성 제품 디자인에서도 활용될 수 있는 중요한 기초 자료로 기능할 것이다.

다국어 초록 (Multilingual Abstract)

In modern society, service robots have transcended their role as mere mechanical aids to become agents of interaction that foster emotional connections with humans. This study aims to propose user-friendly and emotion-centered service robot design ideation by leveraging sentiment analysis models and generative AI technologies. Through an experimental approach that visualizes emotional language, a specific model applicable to the form ideation of service robots was constructed. The goal was to present a design approach that enhances psychological intimacy and emotional receptiveness in users' interactions with service robots. The study was conducted in three major phases.
First, to establish the concept of the emotional language model and extract design elements, the "Emotion Grid" was developed based on Plutchik's emotion model and Russell's circumplex model of affect. Plutchik's theory posits that emotions have cyclical relationships related to basic survival, explaining complex human emotions through intensity and blending. Russell’s circumplex model expresses emotions on two-dimensional axes of 'Arousal' and 'Pleasure,' explaining their continuous states. The Emotion Grid, designed around ten core emotions—interest, surprise, joy, trust, sadness, fear, anger, desire, shame, and disgust—served as essential foundational material for converting emotions into visual and formative elements. It provided a basis for analyzing the emotional conveyance effect in service robot design and offered designers a reference for translating emotions into shapes.
Second, generative AI technologies, such as Chat GPT and Stable Diffusion, were employed to develop design drafts based on emotional language. As a leading generative AI, Chat GPT was used to create and refine prompts for image-generating AI. Stable Diffusion, a deep-learning-based image generation tool, produced diverse visual outputs following prompt instructions. Through "Prompt Engineering," which involves directing AI work via prompts, suitable visual and morphological elements were derived for each emotion, enabling the efficient creation of multiple design drafts. For example, "joy" was expressed through soft designs featuring curved forms, while "anger" was conveyed through sharp shapes with angular features. The generated results were categorized and analyzed by emotion to evaluate emotional clarity and visual consistency. Stable Diffusion expanded design possibilities by leveraging its extensive training on images, functioning as a powerful tool to overcome the limitations of traditional intuitive design methods.
Third, the generated design outcomes were analyzed to assess the applicability of the emotional language model in the form ideation of service robots. Emotional clarity, visual consistency, and the emotional impact of formative elements were reviewed.
Designs expressing joy and trust offered users familiarity and stability, while those reflecting anger or disgust tended to evoke distance and discomfort. This analysis demonstrated the emotional language model’s potential as a valuable tool for enhancing user experience in robot design. The outcomes empirically verified correlations between formative elements and emotions, emphasizing the importance of emotional conveyance in design planning.
The main findings of this study are as follows: First, the emotional language model was validated as an effective design tool for concretely conveying emotional messages in service robot design. Visualizing emotions based on the Emotion Grid provided more intuitive and emotionally connected experiences with robots.
Second, experiments utilizing generative AI verified the visual transformation potential of emotional language while enhancing efficiency in the form ideation process. This complemented designers' creative limitations and increased the feasibility of emotion-centered design. Third, the empirical analysis of relationships between emotional elements and formative characteristics presented a systematic approach applicable to future robot design research and practice.
However, this study has several limitations. First, randomness was observed in the design generation process using generative AI, posing challenges in maintaining consistent styles and forms across outputs. Stable Diffusion exhibited variability in results even with identical prompts, necessitating additional technical enhancements to reinforce design consistency and reliability.
Second, the emotional language model’s perception might differ depending on cultural contexts and individual user experiences, requiring user-centric research to address these variations. Third, the study did not quantitatively analyze correlations between emotional conveyance and morphological transformations, leaving room for improvement in objectivity and reliability. To overcome these limitations, future research should focus on the following directions.
Future studies should quantitatively analyze the relationship between emotional language models and design elements while examining the applicability of emotion-centered design in diverse cultural contexts. Additionally, refining image-generating AI technologies like Stable Diffusion can enhance the consistency and reliability of emotional visualization processes. Expanding research through user-centric design evaluations can further improve the practical effectiveness of outcomes. Investigations into the application of emotion-centered design in user interfaces and interactions are also warranted, along with systematic analyses of design elements influencing emotional conveyance. Beyond service robots, this approach can explore its potential applicability to various industrial product designs.
In conclusion, this study explored new possibilities in service robot design by utilizing emotional language models and generative AI technologies. Emotion-centered design enhances emotional connections between users and robots and serves as a foundational resource for designing not only service robots but also various emotion-driven products.

목차 (Table of Contents)

• 1. 서론 1
• 1.1. 연구의 배경 및 목적 1
• 1.2. 연구의 범위 및 방법 5
• 1.2.1. 연구의 범위 5
• 1.2.2. 연구의 방법 6
• 1.2.3. 연구 흐름도 9
• 2. 이론적 고찰 10
• 2.1. 인간의 감정언어 모델의 이해 10
• 2.1.1. 감정언어의 개념 및 정의 16
• 2.1.2. 감정의 복합순환 모델(Circumplex Model of Affect) 27
• 2.1.3. 감정 그리드(Emotion Grid)의 이해 33
• 2.2. 서비스 로봇의 개념 이해 42
• 2.2.1. 서비스 로봇의 개념 정의 43
• 2.2.2. 서비스 로봇의 분류 및 현황 분석 51
• 2.3. 생성형 인공지능과 감정 기반 로봇 디자인 발상 56
• 2.3.1. 생성형 인공지능의 개념 56
• 2.3.2. 감정 그리드 기반 텍스트 프롬프트 설계를 위한 이해 62
• 3. 감정언어 모델과 형태 발상의 구현 70
• 3.1. 서비스 로봇의 대표 형태 선정 70
• 3.1.1. 서비스 로봇 형태의 선정 기준과 방법 70
• 3.1.2. 서비스 로봇 형태 분석과 발상 요소의 추출 72
• 3.2. 감정언어 모델을 적용한 서비스 로봇 형태 발상 81
• 3.2.1. 감정언어 모델과 감정 디자인 요소 81
• 3.2.2. 형태 발상을 위한 준비 95
• 3.2.3. 흥미의 형태 발상 97
• 3.2.4. 놀라움의 형태 발상 99
• 3.2.5. 기쁨의 형태 발상 101
• 3.2.6. 신뢰의 형태 발상 103
• 3.2.7. 슬픔의 형태 발상 105
• 3.2.8. 두려움의 형태 발상 107
• 3.2.9. 분노의 형태 발상 109
• 3.2.10. 욕망의 형태 발상 111
• 3.2.11. 수치심의 형태 발상 113
• 3.2.12. 혐오의 형태 발상 115
• 3.3. 소결 117
• 4. 서비스 로봇 디자인 형태 발상의 분석과 제안 118
• 4.1. 서비스 로봇 디자인의 형태 발상의 분석과 제안 118
• 4.2. 감정 중심 형태 발상의 발견 및 분석 132
• 4.2.1. 형태 발상에서의 효과적 감정 전달 사례 132
• 4.2.2. 형태 발상에서의 감정 전달 개선 사례 140
• 4.3. 연구의 결과 147
• 5. 결론 149
• 5.1. 결론 및 연구의 의의 149
• 5.2. 연구의 한계 및 향후 연구 방향 152
• 참고문헌 156
• 부록 161
• Abstract 175