将系统与控制理论应用于社交机器人：基于模型的行为控制方法
计算与语言
2025-05-01 v1
摘要
社交机器人(SRs)应能够自主与人类交互，同时展现出与其角色相关的正确社交行为。通过贡献于健康护理、教育和陪伴领域，SRs 将提升生活质量。然而，个性化和维持用户参与度仍是 SRs 的挑战，由于其对人类心理状态的理解有限。鉴于此，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 SRs。通过识别该模型的参数并在 SRs 的行为驾驶系统中部署它，可以有效地个性化对用户不断变化心理状态的响应，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过程，实现了 SRs 的自主可适应性，显著促进了 SRs 的透明度和意识。我们在 10 名参与者进行的实验中进行了验证，参与者与 Nao 机器人进行了三次棋类谜题会话，每次持续 45-90 分钟。识别出的模型在跟踪参与者的信念、目标和情感方面 achieved 平均平方误差 (MSE) 为 0.067（即最大可能 MSE 的 1.675%）。相较于不跟踪参与者心理状态的 model-free 控制器，我们的方法在参与度上提高了平均 16%。事后互动反馈（通过专用问卷提供）进一步确认了该 model-driven 机器人的感知参与度和意识。这些结果凸显了 model-based 方法和控制理论在推动人类-SR 交互方面的独特潜力。
引用
@article{arxiv.2504.21547,
title = {TartuNLP at SemEval-2025 Task 5: Subject Tagging as Two-Stage Information Retrieval},
author = {Aleksei Dorkin and Kairit Sirts},
journal= {arXiv preprint arXiv:2504.21547},
year = {2025}
}
备注
To appear in the Proceedings of the 19th International Workshop on Semantic Evaluation (SemEval-2025)