基于所建痴呆症患者模型、面向机器人辅助回忆疗法的学习型策略设计

本文研究机器人辅助回忆疗法(RT)作为一种面向痴呆症患者(PwDs)的社会心理干预手段。我们的目标是通过强化学习为机器人设计一种对话策略，以刺激痴呆症患者交谈。具体而言，为刻画痴呆症患者对机器人动作的随机反应，我们建立了一个痴呆症患者仿真模型，其特征是不同患者状态（由回应相关性、情绪水平和困惑状况构成）之间的转移概率。随后设计了一种Q学习(QL)算法，以求得机器人最佳的对话策略。目标是在尽可能刺激患者多说话的同时，使其状态尽可能保持积极。在特定条件下，所得策略给予患者继续或改变话题、或终止对话的选择权，从而使患者获得掌控感以缓解对话压力。为此，我们对标准QL算法进行了修正，将有意识地将患者选择的影响整合进Q值更新中。最后，仿真结果证明了学习的收敛性并验证了所得策略的有效性。测试表明，该策略能够根据患者状态适时调整提示的难度级别，采取动作（如重复或解释提示、或安抚）帮助患者摆脱不良状态，并在不良状态持续时允许患者控制对话走向。