StretchBot：辅助机器人自适应引导的神经符号框架

辅助机器人在支持家庭和医疗保健环境中的身体健康方面具有越来越大的潜力，例如，通过指导用户进行伸展或康复活动。然而，现有系统很大程度上仍然是脚本化的，这限制了它们适应用户状态、环境上下文和交互动态的能力。在这项工作中，我们提出了 StretchBot，一种用于自适应辅助指导的混合神经符号机器人教练。该系统将多模态感知与基于知识图谱的 大语言模型 推理相结合，支持短时间拉伸过程中的情境感知调整，同时保持结构化的日常活动。为了补充系统描述，我们报告了三名参与者对脚本化指导和自适应指导之间的探索性试点比较。试点结果表明，适应性条件提高了感知适应性和情境相关性，而脚本化指导在流畅性和可预测性方面仍然具有竞争力。这些结果提供了初步证据，表明结构化的可操作知识可以帮助在具身辅助交互中实现基于基础语言模型的适应，同时也强调需要进行更大规模的纵向研究来评估鲁棒性、普遍性和长期用户体验。