用于社会互动的多模式适应性框架与米罗-E机器人
Yufeng Yang1, Pei Shan Yap1, Sobanawartiny Wijeakumar2
1School of Computer Science, University of Nottingham, Nottingham NG8 1BB, UK.
Sensors (Basel, Switzerland)
|February 27, 2026
概括
这项研究介绍了人机交互 (HRI) 的自适应框架,将实时情感表达与大型语言模型集成在一起. 该系统通过协调的口头和非口头沟通,增强社交机器人的参与度和自然性.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 人与计算机的交互
背景情况:
- 当前的人机交互 (HRI) 往往缺乏适应性,依赖于重复的口头和孤立的非语言线索.
- 这导致不吸引人的用户参与和不那么自然的互动.
研究的目的:
- 提出一个综合框架,将非语言沟通的实时情感表达与语言沟通的微调大语言模型相结合.
- 提高用户参与度,任务性能和在社会HRI中感知到的自然性.
主要方法:
- 使用了MiRo-E动物形社会交互平台.
- 开发了一个基于实时情感表达的协调非语言交互系统.
- 集成了一个微调的大型语言模型,用于自适应性口头沟通.
主要成果:
- 用户研究表明,用户体验显著改善.
- 任务完成率,用户参与度和感知到的自然性得到了改善.
- 该框架在口头和非口头模式之间显示出更好的一致性.
结论:
- 综合框架显著提高了用户参与度和社交HRI的自然性.
- 适应性和情绪一致的反应是机器人与人类互动的关键.
- 这种方法为开发更复杂,更有吸引力的社交机器人提供了有希望的方向.


