面向隐私感知与个性化的无人辅助机器人：一种以用户为中心的范式

全球老龄化人口的增加迫切需要创新的长期护理解决方案，以提高脆弱个体的生活质量，同时减轻照护者负担。辅助机器人凭借机器学习的进步，提供了具有个人化支持的前景。然而，其融入日常生活引发了显著隐私顾虑。机器人操作系统 (ROS) 等广泛使用的框架历史上缺乏内置隐私机制， complicating data-driven approaches in robotics。该研究开创性地采用以用户为中心的隐私感知技术，如联邦学习 (FL)，以推动辅助机器人技术。FL 使在不共享敏感数据的情况下实现协作学习，解决了隐私和可扩展性问题。本工作包括为智能轮椅辅助开发解决方案，提升用户独立性与福祉。通过应对非平稳数据和异构环境相关的挑战，研究旨在提升个性化与用户体验。最终目标是引领负责任地将辅助机器人融入社会，提高老年和护理依赖个体的生活质量。