探索人机交互中的因果关系：机器人心理健康辅导的案例研究

人机交互（HRI）研究的主要目标之一是开发能够理解人类行为并相应调整其响应的机器人。自适应学习模型（如持续学习和强化学习）在提高机器人于真实世界环境中有效交互的能力方面发挥着至关重要的作用。然而，由于真实世界数据的可用性有限，特别是在医疗保健和健康等敏感领域，这些模型面临重大挑战。这种数据稀缺性会阻碍机器人适应新情况的能力。为了应对这些挑战，因果性提供了一个结构化框架，用于理解和建模动作、事件与结果之间的潜在关系。通过超越单纯的模式识别，因果性使机器人能够做出更具可解释性和泛化性的决策。本文通过一项案例研究进行了基于因果性的探索性分析，该案例研究涉及一个在工作场所环境中进行为期四周的积极心理学练习的自适应机器人教练。该机器人教练能够自主适应多模态人类行为，如面部效价和语音时长。通过进行宏观和微观层面的因果分析，本研究旨在更深入地了解适应性如何增强交互过程中的幸福感。最终，本研究旨在推进我们对因果性如何帮助克服 HRI 中挑战的理解，特别是在真实世界应用中。