机器人如何获得特定场所适用的社交策略？以学习销售谈判的机器人服务员为例

《ACM Transactions on Human-Robot Interaction》：How Can Robots Acquire Venue-Specific Social Strategies? The Case of Robot Clerks Learning Sales Negotiations

社会机器人正逐步融入商店等社交场景担任复杂角色，销售谈判作为典型任务需应对语境差异。本研究基于销售员访谈与模拟谈判观察，提取关键语言和非语言特征，采用无监督强化学习框架实现策略自适应。在两家不同店铺中的人机交互实验表明，机器人能通过快速学习掌握环境特异的谈判策略。

　　

摘要

社交机器人正逐渐被应用于各种社交场景中，承担着诸如店员等多种角色。许多交给这些机器人的互动任务都非常复杂，不仅仅需要简单地回应请求，因此无法通过预先编程来完成。销售谈判就是其中一项任务。由于有效的谈判策略具有微妙性和依赖具体情境的特性（这些策略通常因店铺而异），因此赋予机器人谈判能力颇具挑战性。为了解决这一问题，我们研究了在没有示范的情况下，利用强化学习让机器人掌握复杂社交互动并适应特定环境的可能性，以销售谈判作为测试案例。通过采访经验丰富的店员并观察谈判角色扮演，我们识别出了关键的言语和非言语特征。结合一种快速学习的强化学习方法，我们在两种不同的店铺环境中对系统进行了评估。结果表明，机器人能够根据每种环境的特点制定相应的谈判策略。