不间断援助：基于基准和 LLM 的非侵入式人机援助框架

人机交互（HRI）长期以来一直在研究代理和人如何协调以实现共同目标。在这项工作中，我们将非侵入式协助正式化并作为 HRI 的独立范例进行基准测试，其中机器人主动支持人类正在进行的多步骤活动，同时严格避免中断。与依赖直接命令、明确协商或基于用户习惯和历史的主动干预的传统 HRI 任务不同，我们的任务将人类的计划视为主要流程，并将援助制定为关于何时采取行动和做什么的联合决策。为了系统地评估这个问题，我们建立了一个模拟基准 NIABench，以及针对非侵入式辅助任务量身定制的新指标。我们进一步提出了一种将 LLM 与评分模型集成的混合架构。评分模型首先应用语义检索来修剪大型候选动作集，然后排名器评估人类步骤和机器人动作对，从而实现对时间和跨步骤依赖性的推理。对 NIABench 和现实场景的综合实验表明，我们的方法实现了主动、非侵入式的协助，减少了人力，同时保持了任务有效性。