利用系统与控制理论发展社会机器人：一种基于模型的行为控制方法用于人机交互

社会机器人（SR）应能够自主地与人类交互，同时表现出与其角色相关的正确社会行为。通过贡献于健康护理、教育和陪伴领域，SR 将提升生活质量。然而，个性化和维持用户参与度仍是 SR 的挑战，由于其对人类心理状态的理解有限。为此，我们利用一种最近提出的数学动态模型来模拟人类感知、认知和决策过程，以服务于 SR。通过识别该模型的参数并在 SR 的行为驾驶系统中部署它，可以有效地个性化地响应用户不断变化的心理状态，从而增强长期参与度和个性化。我们的方法独特地通过建模不可见心理状态的动态，使 SR 能够自主适应，显著促进了 SR 的透明度和意识。我们在与 10 名参与者进行的实验中验证了该基于模型的控制系统，他们分别与一台 Nao 机器人进行了三次棋谜会话，每次持续 45-90 分钟。所识别的模型在跟踪参与者的信念、目标和情感方面的均方误差（MSE）为 0.067（即最大可能 MSE 的 1.675%）。与不跟踪参与者心理状态的模型无关控制器相比，我们的方法平均提高了 16% 的参与度。事后互动反馈（通过专用问卷提供）进一步确认了参与者对该模型驱动机器人的感知参与度和意识。这些结果凸显了模型方法和控制理论在推动人机交互方面的独特潜力。