基于目标导向Agentic AI的泛在机器人用户介导自修复

泛在机器人系统往往缺乏传统的视觉界面，因此需要稳健的自然语言交互来支持维护与修理任务。本文提出一种目标导向的Agentic AI架构，使非专业用户能够通过情境化对话完成技术性修理。该框架采用多层方法，将高层战略规划与反应式对话执行解耦，把不受约束的人类指令转化为结构化的目标层次。我们开展了一项有二十名参与者参与的研究，在一个物理硬件测试平台上评估系统的效能。该架构达到了95%的任务完成率，参与者在接受适应对话偏离与语言变化的实时指导后报告了积极的自我效能感。与在线基线的对比分析显示，转换到物理环境显著降低了感知的社会存在感（p=.0005）以及信任与能力感知（p=.037），而Agentic框架在整个交互过程中保持稳健。这些发现表明，目标导向的Agentic AI能够通过赋能用户在泛在情境下执行关键维护，支持可穿戴技术的可持续性。