本文详细概述了将连续学习（CL）应用于单课的人类机器人互动（HRI）会议（AVG。31 +-10分钟）的案例研究，其中机器人的心理健康教练是积极的（n = 20）参与者的心理学（PP）练习。我们介绍了互动会议后与参与者进行的简短半结构访谈记录的数据的主题分析（TA）的结果，以及对统计结果的分析，证明了参与者的个性如何影响他们如何看待机器人的方式及其互动。
translated by 谷歌翻译
最近十年表明，人们对机器人作为福祉教练的兴趣越来越大。但是，尚未提出针对机器人设计作为促进心理健康的教练的凝聚力和全面的准则。本文详细介绍了基于基于扎根理论方法的定性荟萃分析的设计和道德建议，该方法是通过三项以用户为中心的涉及机器人福祉教练的三个不同的以用户为中心进行的，即：（1）与参与性设计研究一起进行的。 11名参与者由两位潜在用户组成，他们与人类教练一起参加了简短的专注于解决方案的实践研究，以及不同学科的教练，（2）半结构化的个人访谈数据，这些数据来自20名参加积极心理学干预研究的参与者借助机器人福祉教练胡椒，（3）与3名积极心理学研究的参与者以及2名相关的福祉教练进行了一项参与式设计研究。在进行主题分析和定性荟萃分析之后，我们将收集到收敛性和不同主题的数据整理在一起，并从这些结果中提炼了一套设计准则和道德考虑。我们的发现可以在设计机器人心理福祉教练时考虑到关键方面的关键方面。
translated by 谷歌翻译
维持现实世界中的人类机器人相互作用需要机器人对人类行为特质敏感，并适应其感知和行为模型以满足这些个人偏好。对于情感机器人，这需要学习适应个人情感行为，以为每个人提供个性化的互动体验。持续学习（CL）已被证明可以在代理中实时适应，从而使他们能够通过逐步获得的数据学习，同时保留过去的知识。在这项工作中，我们提出了一个新颖的框架，用于使用基于CL的感知机制对个性化的人类机器人相互作用进行现实应用，以建模个性化的人类机器人相互作用。为了评估所提出的框架，我们使用三种相互作用行为的变体与20名参与者进行概念证明的用户研究：静态和脚本化，使用基于情感的适应性而无需个性化，并将基于情感的适应性与基于情感的适应持续个性化。我们的结果表明，参与者对基于CL的持续个性化的明显偏好，在机器人的拟人化，动画和可爱性等级以及相互作用中观察到的显着改善，以及与机器人在机器人中的评分显着更高的相互作用，因为机器人的评价明显更好。了解参与者的感受。
translated by 谷歌翻译