不被遗忘：人形机器人头 Kim 的个性化情景记忆的实现和评估

依赖 大语言模型 进行对话的社交机器人无法跨会话保留信息。这种记忆的缺失违反了社会期望，可能会阻碍持久关系的形成。本文提出了一种轻量级情景记忆模块，它将基于向量的语义检索与 LLM 控制的对话系统集成在一起，部署在人形机器人头部 Kim 上。该模块采用将余弦相似度与记忆强度度量相结合的混合评分函数来检索上下文相关的过去交互并将其注入生成提示中。使用人机交互评估量表 (HRIES) 在基于视频的受试者内部在线研究 (N = 43) 中对该系统进行了评估。结果表明，情景记忆显着增加了感知社交性（d = 0.60，p < .001），对感知可信度（d = 0.62）和温暖度（d = 0.56）的影响最强。感知的干扰保持不变（d = 0.00），表明所实施的个性化回忆方法不会引发与隐私相关的不适或恐怖谷效应。这些发现表明，情景记忆在具体的人机交互中充当了社会润滑剂，在不引发负面情感反应的情况下提高了关系质量。