M2HRI：用于个性化人机交互的 LLM 驱动的多模式多代理框架

多机器人系统为家庭和医院等社会环境带来了巨大的希望，但现有的多机器人系统通常将机器人视为功能上可互换的，忽视了不同的代理身份如何塑造用户感知以及这种个性如何改变多机器人交互的协调要求。为了解决这个问题，我们引入了 M2HRI，这是一种多模式多智能体框架，它通过个性和长期记忆将每个机器人建模为具有身份的智能体，以及调节智能体参与的情境化协调机制。在多智能体人机交互 (HRI) 场景中的受控用户研究 (n = 105) 中，我们发现大多数性格对比是可区分的并且一致表达。长期记忆提高了偏好意识和互动自然性，而情境化协调则改善了对话流程、反应适当性和避免重叠。总之，这些发现表明，主体个性和情境化参与协调在支持连贯且适合社会的多主体 HRI 方面发挥着互补作用。项目网站位于 https://project-m2hri.github.io/。