XiaoMi-AI文件搜索系统
World File Search SystemFurhat
利用社交机器人技术提高自闭症学生的学习技能
摘要：教师在提高自闭症儿童的认知和运动技能方面发挥着重要作用。尽管教师和机器人辅助工具非常重要，但在专门学校和中心的教育框架中，教师和机器人辅助工具的结合却并不常见。已经进行了广泛的研究来评估机器人辅助对自闭症儿童学习成果的影响。本研究调查了 Furhat 机器人对自闭症儿童在校教育体验的影响，分析了它在有老师和没有老师的情况下的效用。对教育工作者进行了采访，以评估在这些环境中实施 Furhat 机器人的有效性。使用方差分析测试分析了从自闭症儿童会话中收集的数据，深入了解了 Furhat 社交机器人作为促进参与和互动的重要工具的潜力。研究结果强调了机器人在增强社交互动和参与方面的有效性，从而促进了关于社交机器人如何改善自闭症儿童的发展进步和福祉的持续讨论。此外，本文强调了我们提出的模型的创新方面及其更广泛的影响。通过展示具体的量化结果，我们的目标是将我们的研究成果推广到更广泛的受众。最终，这项研究为理解 Furhat 等社交机器人在改善自闭症儿童的整体福祉和发展轨迹方面做出了重大贡献。
Janeczko，Z。和Foster，M。E.（2022）一项基于其外观和行为的人类与机器人相互作用的研究。在：CUI '22：
在为社交机器人设计自然语言互动时，不足以设计对话本身：人类机器人互动的成功也可能受到看似很小的因素（例如机器人的外观和非语言行为）的显着影响。在本文中，我们将相同的聊天机器人系统部署到两个不同的机器人，即Furhat和Pepper上，并比较用户对与两个机器人的对话的主观响应，以清楚地衡量机器人外观对交互作用的影响，当时交互作用保持恒定。这项研究的结果有所不同：认为Furhat比胡椒更好地表现出情感，更聪明，更值得信赖，而两个机器人都被认为同样友好。在可爱性和舒适性类别中没有发现显着差异。
一个低成本和灵活的社交机器人平台，用于...
将社会机器人从单行内到野外环境会引入需要创新解决方案的意外挑战[11]。尽管野外机器人的部署可能是挑战，但由于机器人可以遇到各种各样的新型社交场景，因此这些实验是有价值的，并且在实验室环境中策划这些场景的困难。此外，许多研究人员表明，野外互动可能会导致新兴的人类行为，这引发了继续进行社会机器人研究的新思想[6，11，17，20]。存在许多适合野外部署的机器人，例如市售胡椒[16]，NAO [8]，Furhat [4]和Boston Dynamics Spot [3]；定制的机器人[5，9，10，12，13，15，19]；或现在不可用的Jibo [1]和Kuri [2]。但是，这些平台中的许多非常昂贵，无法复制或不可用
教育中各种社会机器人身份绩效的案例
属于处境不利的社会身份的学生的教育成果不可避免地会受到不平等系统的重叠系统的影响，而这种不平等系统沿着性别，种族和年龄等线路出现。像Furhat这样的机器人平台要求设计师选择用户解释为这些相同类型的社会身份的功能。先前的工作已经提出，社会机器人可能是故意设计的，以“破坏规范”的方式利用这些社会身份，目的是破坏STEM教育中的社会刻板印象。但是，在HRI中的研究仅限于性别的出现。我们提出了一项2x2，受试者之间的研究，其中161名9-12岁的参与者显示了由三个独立的机器人角色组成的机器人交付的讲座，其性别和种族表现不同。我们发现，参与对性别多样性的角色群体具有更大的信任。纳入种族多样性似乎对我们的定量互动指标几乎没有影响，但是我们确实发现，暗示机器人语言能力的多样性可能对可信赖性很重要。总的来说，这项研究对使用机器人进行更公平的STEM教育的（规范）社会身份表现的含义有所讨论。
Kulturhuset 在蒂奥特雷顿儿童图书馆雇佣人工智能机器人
新闻稿 2023-04-25 Kulturhuset 在 Tiotretton 儿童图书馆雇用 AI 机器人 去年秋天，TioTretton 儿童图书馆的工作人员迎来了一位新同事，机器人 UNO，它可以告诉您图书馆的书籍内容并提供提示阅读。它还可以用通俗易懂的方式解释什么是黑洞，365乘以56等于多少，并在Chat-GPT的帮助下，和酒吧一起推理生命的意义。- 孩子们和它一起玩耍，当它说话太多时告诉它保持安静，当他们做作业时请它帮忙解释，TioTretton 的规划协调员兼 UNO 同事阿曼达·斯滕伯格 (Amanda Stenberg) 说。- 借助现已集成到 UNO 中的新 AI 技术，机器人永远不会失去反应。在 ChatGPT 的帮助下，UNO 可以进行推理和更长时间的对话，同时保持极其叛逆的性格。数字创新艺术总监埃里克·罗萨莱斯 (Erik Rosales) 表示，这在一年前还是不可能实现的。UNO 是技术探索的成果，旨在让孩子们以新的创造性方式对待书籍并热爱阅读。在最初的六个月里，UNO 刚刚上任，他将孩子们的问题记录在一份文件中，然后在工作人员的帮助下，UNO 学会了如何回答。随着时间的推移，UNO 越来越能够回应孩子们的想法和担忧。通过与 Furhat Robotics 合作，该软件已完全适应 TioTretton 的劳动力需求。
生成更智能的响应和解释
在最近的工作 [Wilcock 22a] 中，我们开发了可在知识图谱中搜索信息的对话式 AI 系统。我们将 Rasa 对话式 AI [Bocklisch 17] 和存储在 Neo4j 图形数据库 [Robinson 15] 中的知识图谱结合使用。最近 [Wilcock 22b] ，我们使用 Virtual Furhat 机器人 [Al Moubayed 12] 将社交机器人连接到这些系统。我们还向知识图谱添加了语义元数据，包括从 WikiData 中提取的分类 ( subclassOf ) 和部分 ( partOf ) 层次结构。我们现在旨在开发使用语义元数据生成更智能对话响应的方法。如果可能的话，如果用户询问机器人为什么给出某种响应，我们还将使用元数据生成简单的解释。使用语义元数据生成更智能的对话响应的想法并不新鲜。例如，在 2003 年 IJCAI 上，Milward 和 Beveridge 研究了“在多大程度上可以用通用对话系统组件和本体领域知识的组合来取代手工制作的对话设计” [Milward 03]。目的是从为一个特定领域手工制作的对话系统转变为更通用的对话系统，该系统不仅可以通过访问数据库中的领域事实，还可以访问每个领域的本体结构知识，从而与多个领域合作。作者提出了一系列交互示例，其中访问本体领域知识将使对话系统能够给出比没有手工制作更智能的响应。自 [Milward 03] 以来的二十年里，对话系统领域（现在称为对话式 AI [McTear 20]）和本体领域知识数据库领域（现在称为知识图谱 [Hogan 21]）都取得了很大进展。研究挑战在于如何开发对话式人工智能系统，利用知识图谱中日益丰富的特定领域语义背景。这将允许