整合情感智能、记忆架构与手势以在教育场景中实现共情人形机器人交互
机器人学
2025-08-20 v2
摘要
本研究探讨了如何将人类个体特质整合到一个具有共情自适应能力的教育机器人导师系统中，旨在通过相应的参与度向量测量来提高学生的参与度和学习效果。尽管先前的人机交互领域研究已经考察了情感智能、记忆驱动的个性化以及非语言沟通等特质的单独整合，但迄今为止，它们忽略了将这些特质同步整合为一个连贯且可操作的教育框架。为了填补这一空白，我们将一个多模态大语言模型（Meta 的 LLaMa 3.2）定制并部署为带有类人特质（情感、记忆和手势）模块的 AI-Agent 框架。这构成了机器人的智能核心，使其模拟人类情感系统、记忆架构和手势控制，从而在识别并恰当响应学生情感状态的同时，表现出更具共情能力的行为。它还能回忆学生过去的学习记录，并相应地调整其交互方式。这使得机器人导师能够通过提供与相关手势同步的个性化言语反馈，以更具同情心的方式对学生做出反应。我们的研究通过引入参与度向量模型调查了这种效应的程度，该模型可作为评判人机交互体验质量的标杆。定量和定性结果表明，与不具备这些类人特质的基线人形机器人相比，这种共情响应方法显著提高了学生的参与度和学习效果。这表明具备共情能力的机器人导师能够创造更具支持性和互动性的学习体验，最终为学生带来更好的学习效果。
引用
@article{arxiv.2505.19803,
title = {Integrating emotional intelligence, memory architecture, and gestures to achieve empathetic humanoid robot interaction in an educational setting},
author = {Fuze Sun and Lingyu Li and Shixiangyue Meng and Xiaoming Teng and Terry R. Payne and Paul Craig},
journal= {arXiv preprint arXiv:2505.19803},
year = {2025}
}