一种用于人机交互的社会适应性框架

在日常生活中，我们习惯于与同伴进行复杂的、个性化的、自适应的互动。要让社交机器人能够重现这种丰富、类人的交互，它应了解我们的需求与情感状态，并能够持续地使其行为适应这些状态。对此问题的一个拟议解决方案是让机器人学习如何选择能最大化同伴交互愉悦度的行为，由提供决策自主性的内部动机系统引导。我们致力于研究此类自适应机器人框架如何运作并针对不同用户个性化。此外，我们探究在认知框架中引入适应性与个性化元素是否会为人机交互（HRI）带来额外丰富性，抑或带来不被机器人人类同伴所接受的不确定性与不可预测性。为此，我们为人形机器人 iCub 设计了一个社会自适应框架，使其能感知并复用来自人的情感与交互信号，作为基于内部社会动机的适应输入。我们提出了一种与 iCub 的比较交互研究，用户充当机器人的照料者，iCub 的社会适应由随其从照料者接收刺激量而变化的内部舒适水平引导。我们调查并比较了在机器人不个性化交互与自适应两种条件下，人们如何感知机器人的内部动态。最后，我们确立了自适应框架在为与人形机器人重复交互的情境中所能带来的潜在益处。