长期人机交互中的个性化解释

在人机交互（HRI）领域，一个基本挑战是促进人类对机器人的理解。可解释人机交互（XHRI）这一新兴领域研究生成解释的方法并评估其对人机交互的影响。以往的研究强调，需个性化这些解释的细节水平以提高可用性和理解效果。本文提出了一种框架，用于更新和检索用户知识记忆模型，以便在参考先前概念的基础上调整解释的细节水平。我们评估了基于我们提出框架的三个体系结构，这些体系结构使用大型语言模型（LLM）。在两种不同场景中进行了实验：一个在医院巡逻的机器人和一个厨房助理机器人。实验结果表明，两种阶段的体系结构——即先生成解释再个性化其内容——是本框架中能够有效仅在存在相关用户知识时降低解释细节水平的框架体系结构。