个性化的人机交互

人工智能技术的发展使机器人具备了越来越强大的机制来理解和与世界互动。近些年学者们开始关注研究这类机制，以便机器人在长期的实际环境中理解人类并与人类互动，从而揭示了学习人类多样性的机遇和挑战。

人机交互（Human-Robot Interaction）是一个多学科的L域，旨在理解和开发支持机器人与人类共存的技术。基于人文主义价值观，HRI的一个子集是专注于研究提G个人生活质量的机器人；此类研究包括医疗触觉，康复机器人和社会辅助机器人（SAR）。SAR希望通过结合工程，计算机科学和社会科学来分担和辅助教育工作者，父母，护理者和临床医生的工作。该L域的研究表明，人和机器人的伙伴关系可以缓解关键的健康挑战，这些挑战需要社会调解，个性化的长期支持，例如特殊教育需求，老人护理和康复。人类的学习、发展和关怀都遵循每个人d有的非线性轨迹。HRI的个性化计算针对个人用户不断变化的需求呈现出现实世界中的复杂性，而机器人和ML研究团体却在很大程度上避免了这种复杂性。

幸运的是，在大数据时代，人机交互非常丰富；人们经常与计算模型交互，无论是隐藏在他们喜欢的数字媒体网站后面，还是在家里与AI助手进行交互。二十一世纪的用户，不管是自愿还是不知情，都会用自己的个人数据换取“免费”服务。因此，提G生活质量的个性化机器人和虚拟代理服务在行业中正在成为现实-商业实例，包括基于认知行为疗法的治疗性聊天机器人Woebot等。但是，在利用这些数据以更好地了解人类用户并与之交互时，仍然存在许多开放的挑战，包括现实世界数据固有的噪音，个人的广泛需求和偏好，意外的模型偏差、隐私和安全障碍，以及在学习更多个性化或更具普遍性的HRI模型之间进行权衡。为了应对这些挑战，将多模式，交互式和多任务ML范例应用于实际环境并对其进行评估至关重要。