重构社交机器人：基础、框架与应用
机器人学
2026-01-28 v1 信息检索
摘要
社交机器人中的个性化指的是机器人满足特定用户需求和/或偏好的能力。现有方法通常依赖大型语言模型(LLM)基于用户元数据和历史交互生成情境感知响应，或采用基于强化学习(RL)的自适应方法，从用户实时反应中学习。然而，这些方法不足以全面捕捉用户偏好——包括长期、短期和细粒度方面——以及利用这些偏好对动作进行排序和选择，主动个性化交互，确保伦理负责的适应。为克服这些限制，我们提出采用推荐系统(RS)，其专注于建模用户偏好并提供个性化推荐。为确保RS技术在社交机器人管道中无缝集成，我们（i）对齐社交机器人与RS的底层范式，（ii）识别可增强社交机器人个性化的关键技术，（iii）设计为模块化、即插即用组件。本工作不仅为将RS技术集成到社交机器人提供了框架，还为RS与人机交互(HRI)社区之间建立深入合作开辟了道路，加速两领域的创新。
引用
@article{arxiv.2601.19761,
title = {Reimagining Social Robots as Recommender Systems: Foundations, Framework, and Applications},
author = {Jin Huang and Fethiye Irmak Doğan and Hatice Gunes},
journal= {arXiv preprint arXiv:2601.19761},
year = {2026}
}
备注
HRI 2026