大型语言模型如何赋能更优的社交辅助人机交互：简略综述
人机交互
2024-04-09 v2 计算与语言
计算机视觉与模式识别
机器人学
摘要
社交辅助机器人（SARs）在为有特殊需求的群体（如老年人、自闭症谱系障碍（ASD）儿童以及面临心理健康挑战的个体）提供个性化认知-情感支持方面取得了巨大成功。大量关于 SAR 的研究证明了其在提供家庭支持方面的潜力，这些支持可作为心理健康专业人员提供的临床干预的补充，使这些干预更加有效和可及。然而，仍存在若干重大技术挑战，阻碍 SAR 介导的交互和干预达到人类水平的社交智能与效能。随着大型语言模型（LLMs）的最新进展，SAR 领域内新应用的潜力不断增加，能够显著扩展 SARs 的当前能力。然而，引入 LLMs 带来了此前未曾遇到的新风险和伦理问题，必须谨慎应对以安全部署这些更先进的系统。在本文中，我们旨在对 LLMs 在 SAR 技术中的应用进行简略综述，并讨论将 LLMs 应用于 SAR 以下三个主要技术挑战的潜力与风险：1）自然语言对话；2）多模态理解；3）LLMs 作为机器人策略。
引用
@article{arxiv.2404.00938,
title = {How Can Large Language Models Enable Better Socially Assistive Human-Robot Interaction: A Brief Survey},
author = {Zhonghao Shi and Ellen Landrum and Amy O' Connell and Mina Kian and Leticia Pinto-Alva and Kaleen Shrestha and Xiaoyuan Zhu and Maja J Matarić},
journal= {arXiv preprint arXiv:2404.00938},
year = {2024}
}
备注
2 pages, accepted to the Proceedings of the AAAI Symposium Series, 2024