该论文旨在解决如何研究人们对非人形机器人进行心理状态归因的问题。研究背景是：在机器人学和人机交互领域，理解人类如何对机器人采用意向立场(intentional stance)至关重要，但现有方法缺乏能够控制解释框架同时保持行为一致的实验平台。
论文开发了一个实验平台，该方法结合了：
- 一个模拟的非人形机器人
- 逼真的任务环境
- 基于大语言模型(large language model)的解释层，该层能够用三种不同框架描述相同行为：
1. 心理主义(mentalistic)术语（如信念、欲望）
2. 目的论(teleological)术语（如目标、功能）
3. 机械论(mechanistic)术语（如物理因果）
论文的核心创新点是：
- 提出了一个**通过控制解释框架来研究意向立场(intentional stance)采用**的系统性方法，这是首个能够**在保持机器人行为完全不变的情况下，独立操纵语言解释框架**的实验平台。
- 与现有工作相比，其独特之处在于：
1. 将大语言模型(large language model)作为可控的解释生成器，实现了对同一行为的多框架描述。
2. 专注于**非人形机器人(non-humanoid robot)**，扩展了心理归因研究 beyond 类人机器人。
3. 提供了研究**语言和框架如何塑造心理归因**的受控实验范式。
论文对该领域的整体贡献包括：
- 为研究人类对机器人的心理状态归因(folk-psychological attribution)提供了一个标准化、可控制的实验工具。
- 推动了机器人透明度(robot transparency)和可解释性(explainability)的研究，特别是关于解释框架如何影响人类理解。
- 为人机交互(HRI)和社交机器人学(social robotics)领域提供了新的方法论，有助于设计更有效的机器人解释系统。