Mapping Perceptions of Humanness in Speech-Based Intelligent Personal Assistant Interaction
人性化是语音界面设计的核心。然而,人们对用户如何概念化人性的感知以及人们如何通过这种方式定义他们与语音界面的交互知之甚少。为了映射这些看法n=21参与者举行了对话与人类和两个语音接口的智能个人助理,然后反映和比较他们的经验,使用剧目网格技术。分析的结构表明,人性的看法是多方面的,集中在八个关键主题:合作伙伴的知识集,人际关系,语言内容,合作伙伴的性能和能力,会话互动,合作伙伴的身份和角色,声乐素质和行为的启示。通过这些主题,很明显,用户对语音界面功能的定义与人类不同,认为它们更正式,基于事实,非个人化和不太真实。基于这些发现,我们讨论了这些主题如何有助于脚手架,分类和目标的研究和设计工作,考虑适当的模仿人性。
2019-07-29 cs.HC
IoT based Personal Voice Assistant
本文针对减少键盘鼠标等输入设备依赖的问题,提出并实现了一个基于 Python 的 Linux 语音助手,使用户能够通过语音运行任意命令,从而降低硬件空间和成本。
2023-05-28 cs.HC
Multitasking with Alexa Multitasking with Alexa: How Using Intelligent Personal Assistants Impacts Language-based Primary Task Performance
智能个人助理(IPAs)应该帮助我们多任务处理。然而,使用国际音标对多任务处理的影响并没有明确量化,特别是在主要任务也是基于语言的情况下。本研究采用双任务范式,观察IPA交互作用如何影响两种不同类型的写作主要任务:复制和生成内容。我们发现,涉及内容生成的写作任务,这是更高的认知要求,并分享更多的IPA使用所需的资源,更显着干扰IPA的互动比要求较低的任务,如复制内容。我们讨论了认知资源理论,包括多资源理论和工作记忆,如何解释这些结果。我们还概述了未来的工作需要中断长度和相关性可能会影响主要任务的性能,以及需要确定用户和IPA导致中断中断的中断时间的影响。
2019-07-26 cs.HC
Acceptability of AI Assistants for Privacy: Perceptions of Experts and Users on Personalized Privacy Assistants
本研究通过焦点小组探讨专家和用户对个性化隐私助手(PPA)可接受性的看法,识别出设计、外部和系统性影响因素,为技术接受模型及AI助手设计提供理论和政策启示。
2025-09-10 cs.HC
MOBISPA: A Reference Framework for Mobile as a Personal Assistant
由于我们日益忙碌的生活方式,移动设备正在占据中心舞台,并成为通信各个方面的首选设备。因此,对执行日益复杂的行动的移动能力的需求也在增加。然而,尽管在过去几年中设备计算能力有所提高,但是移动终端仍然具有局限性。移动驱动的日常用例越来越多地提高了对仍在发展的移动技术的期望。已经创建了许多零散的方法和解决方案来满足移动性特有的各种需求,但是缺乏一个单一的框架来作为行业和解决方案架构的统一参考。本文件通过具体说明通用和供应商中立的流动综合参考框架来解决这一关切。
2015-07-23 cs.HC
Algorithmic support of a personal virtual assistant for automating the processing of client requests
College of Information Technologies and Computer Sciences NUST MISIS(莫斯科国立钢铁合金学院信息技术与计算机科学学院)
本文描述了为个人虚拟助理的功能创建算法支持,这允许自动处理客户请求。这项研究旨在减少错误和处理时间的客户端请求的业务系统-文本聊天或语音通道使用文本转录系统。算法支持的发展和工作质量评估的结果合成数据。
2022-03-27 cs.AI cs.HC cs.LG
Towards Ethical Personal AI Applications: Practical Considerations for AI Assistants with Long-Term Memory
Massachusetts Institute of Technology(麻省理工学院)
本文针对具备长期记忆的个人AI伴侣与助手应用兴起带来的新挑战,从技术基础、现有产品调研、部署使用关键考量三方面,用整体性方法探究其构建与部署的广泛伦理与实践影响。
2024-09-17 cs.AI cs.CY cs.HC
Sign Language-Based versus Touch-Based Input for Deaf Users with Interactive Personal Assistants in Simulated Kitchen Environments
Gallaudet University(加劳德特大学);University of Connecticut(康涅狄格大学);University of Maryland(马里兰大学)
本研究比较了手语与触屏输入在模拟厨房环境中的可用性,发现手脏情况下手语更受聋人用户欢迎,但效果不如清洁手时明显。
2026-01-22 cs.HC
Assessment of Sign Language-Based versus Touch-Based Input for Deaf Users Interacting with Intelligent Personal Assistants
本研究针对聋人用户,对比了美国手语、Tap to Alexa与智能家居应用和智能个人助理交互的可用性,发现手语可用性略优,并探讨了有限词汇应用设计对通用手语识别的推进意义。
2024-04-22 cs.HC
"Privacy across the boundary": Examining Perceived Privacy Risk Across Data Transmission and Sharing Ranges of Smart Home Personal Assistants
Tsinghua University(清华大学);Beijing Academy of Artificial Intelligence(北京人工智能研究院);University of Macau(澳门大学)
研究探讨智能家庭个人助手数据传输和分享范围中的隐私风险,发现跨越两个关键边界会显著增加用户感知风险,且匿名化措施对第三方分享效果有限。
2026-01-24 cs.HC
Preference-Driven Online Adaptation for Personalized Interaction Initiation in Proactive AI Assistants
South China University of Technology(华南理工大学);Pengcheng Laboratory(鹏城实验室)
本文针对主动式AI助手个性化交互时机难确定的问题,提出EOPA方法,在ProPerSim基准上较最强基线提升F1分数19.80个百分点,降低推理延迟与平均每日适应时间。
2026-08-06 cs.HC
See what I'm saying? Comparing Intelligent Personal Assistant use for Native and Non-Native Language Speakers
University College Dublin(都柏林大学学院);Swansea University(斯旺西大学)
智能个人助理(IPAs)的语言覆盖范围有限,这意味着许多人使用非母语进行交互。然而,我们对投资促进机构目前如何支持或阻碍这些用户知之甚少。通过母语(L1)和非母语(L2)英语使用者在智能手机和智能扬声器上与Google Assistant互动,我们的目标是更深入地了解这一点。采访显示,L2扬声器优先考虑话语规划周围感知语言的限制,而不是L1扬声器优先考虑简洁,因为系统的限制。第二语言使用者认为投资促进者对语言需求不敏感,导致互动失败。L2发言者显然更喜欢使用智能手机,因为视觉反馈支持沟通故障的诊断,同时允许时间处理查询结果。相反,L1扬声器更喜欢智能扬声器,音频反馈被认为是足够的。我们讨论了为L2用户量身定制IPA体验的必要性,强调视觉反馈,同时减少语言生产的负担。
2020-06-11 cs.CL cs.HC
Evaluation of Task Specific Productivity Improvements Using a Generative Artificial Intelligence Personal Assistant Tool
本研究通过对照实验评估基于GPT-3.5的生成式AI个人助理工具在四类办公任务中的生产力提升效果,发现其在总结和说明创建任务上提升3.3%至69%,并验证了LLM-as-a-judge质量评估方法的有效性。
2024-09-30 cs.HC
Malak: AI-based multilingual personal assistant to combat misinformation and generative AI safety issues
针对生成式AI引发的虚假信息和网络危害问题,本文提出基于AI的多语言个人助手Malak,旨在为数字素养较低的用户提供用户友好的工具,以减少网络危害并促进安全的在线互动。
2024-10-04 cs.ET cs.HC
Widening the Dialogue Workflow Modeling Bottleneck in Ontology-Based Personal Assistants
SRI International(SRI国际公司)
我们提出了一种新的方法来对话规范的虚拟个人助理(VPAs)的基础上所谓的对话工作流图,与目前基于本体的方法相比,有几个表现出的优势。我们新的对话规约语言(DSL)使客户能够更轻松地参与VPA建模过程,因为它具有用户友好的建模框架。由此产生的模型也显着更紧凑。VPA可以更快地开发。DSL是我们基于本体的对话管理(DM)框架OntoVPA之上的一个新的建模层。我们解释了新语言背后的原理和好处,并通过最近两个OntoVPA项目的具体减少工作量水平(LOE)数字来支持我们的主张。
2020-11-16 cs.AI cs.CL cs.HC
Investigating Assistant Bias in LLM User Simulators Using a Role Vector
KAIST(韩国科学技术院);University of Michigan(密歇根大学);Seoul National University(首尔大学);ETH Zürich(苏黎世联邦理工学院);SkillBench
该研究针对LLM用户模拟器的助手偏差,通过对比对话的用户与助手视角提取用户角色向量,证实偏差结构可识别且用户行为可定向分析,为优化模拟器提供了表征层面依据。
2026-10-06 cs.CL cs.HC
Eliciting and Analysing Users' Envisioned Dialogues with Perfect Voice Assistants
我们提出了一个对话启发研究,以评估用户如何设想与一个完美的语音助手(VA)的对话。在一项在线调查中,N=205名参与者被提示了日常场景,并在他们认为完美的对话中写下了用户和VA的台词。我们用文本分析和定性分析的方法分析了对话,包括单词和回合的数量,对话的社会方面,隐含的VA能力,以及用户个性的影响。大多数人设想与VA进行交互式对话,而不是纯粹的功能性对话;它是智能的,主动的,并且了解用户。对于助理的角色以及它表达幽默和观点的态度存在分歧。一项探索性分析表明,这些方面与个性的关系,但总体相关性较低。我们讨论了未来VA的研究和设计的影响,强调的愿景,使对话式用户界面,而不是单一的命令“问答”。
2021-04-06 cs.HC
Evaluating Personal Assistants on Mobile devices
iPhone于2007年推出,但从根本上改变了我们与在线信息互动的方式。移动设备与传统的基于命令和点击的用户界面有着根本的不同,现在允许使用细粒度的触摸和滑动信号进行基于手势的交互。由于在移动设备上使用语音控制的智能个人助理的快速增长,例如微软的Cortana,Google Now和Apple的Siri,移动设备已经变得个性化,使我们能够随时在线,并帮助我们完成任何任务,无论是在工作中还是在日常生活中,使上下文成为考虑的关键因素。移动使用现在已经超过了桌面使用,并且仍在快速增长,但我们培训和评估个人助理的主要方式仍然基于(并框定在)经典的桌面交互,专注于显式查询,点击和停留时间。然而,由于具有基于手势和语音的控制的触摸屏以及变化的使用上下文,在汽车里,骑自行车,经常使今天的用户满意度评估的假设无效。迫切需要了解基于语音和手势的交互,以适当的方式考虑所有交互信号和上下文。我们提出了一个研究议程,开发方法来评估和提高上下文感知的用户满意度与移动交互使用基于手势的信号在规模。
2017-06-14 cs.HC cs.IR
CURATe: Benchmarking Personalised Alignment of Conversational AI Assistants
University of Oxford(牛津大学);Stellenbosch University(斯泰伦博斯大学);Foerster Lab for AI Research (FLAIR)(福斯特人工智能研究实验室)
本文提出评估基于LLM的AI助手个性化对齐的多轮基准CURATe,发现现有模型在处理安全关键上下文时存在系统性偏差,而提示考虑安全上下文能显著提升性能。
2025-01-30 cs.AI cs.HC
Personalized AI Scaffolds Synergistic Multi-Turn Collaboration in Creative Work
D’Amore-McKim School of Business, Northeastern University(东北大学达莫尔-麦金商学院);Network Science Institute, Northeastern University(东北大学网络科学研究所);Khoury College of Computer Sciences, Northeastern University(东北大学库雷计算机科学学院)
本文通过实验验证个性化AI能提升创意任务质量,通过心理测评和工作风格访谈构建个性化模型,发现个性化AI在提升表现、信任和创造力方面优于通用AI。
2026-04-21 cs.HC
Effects of Personality- and Opinion-Alignment in Human-AI Interaction
Bauhaus-Universität Weimar(魏玛包豪斯大学);GESIS - Leibniz Institute for the Social Sciences(GESIS - 莱布尼茨社会科学研究所)
研究探讨了AI助手的人格和观点一致性如何影响用户交互结果和感知,发现观点一致性的AI更受信任和受欢迎,但人格一致性影响不显著。
2026-06-05 cs.HC
Different but Equal: Comparing User Collaboration with Digital Personal Assistants vs. Teams of Expert Agents
IBM Research – Brazil(IBM研究院(巴西))
这项工作比较了用户与会话式个人助理的协作与专家聊天机器人团队的协作。进行了两项研究,以调查是否每种方法影响任务的完成和协作成本。参与者与两个等效的金融建议聊天机器人系统进行交互,一个由一个对话顾问组成,另一个基于四个专家聊天机器人团队。结果表明,用户有不同形式的经验,但同样能够实现自己的目标。与预期相反的是,有证据表明,在团队合作的情况下,用户更能够更好地预测代理的行为,并没有开销来维持共同点,这表明类似的协作成本。结果指向的两种方法中的任何一种的用户与会话代理的合作的可行性。
2018-08-24 cs.AI cs.HC cs.MA
Park4U Mate: Context-Aware Digital Assistant for Personalized Autonomous Parking
人们根据内部和外部环境停放车辆。他们自然地做,甚至是无意识的。例如,在后部有婴儿座椅的情况下,驾驶员可能会在一侧留出更多的空间,以便能够轻松地将婴儿取出;或者在杂货店购物时,他/她可能会将车辆定位为保持后备箱可访问。自动驾驶汽车在技术上变得越来越有效,可以从A地行驶到B地,并以默认方式停在适当的位置。然而,为了满足用户的期望并变得值得信赖,他们还需要根据特定情况停车或临时停车。此外,用户希望更好地了解其驾驶辅助功能的功能,例如自动停车系统。基于语音的界面可以帮助实现这一点,甚至可以简化这些功能的采用。因此,我们开发了一种基于语音的车内助手(Park 4U Mate),它可以感知内部和外部环境(得益于各种传感器),并且能够以智能方式自主停车(具有约束最小化策略)。该解决方案在试驾中向35名用户进行了演示,并收集了他们对系统决策能力和人机交互的反馈。结果表明:(1)所提出的优化算法在决定最佳停车策略方面是有效的;因此,自主车辆可以采用它;(2)用于自主停车的基于语音的数字助理被认为是一种清晰有效的交互方法。然而,交互速度仍然是用户最重要的标准。此外,他们显然不希望仅限于语音交互,而是希望使用自动停车功能,而是欣赏多模式交互。
2021-07-16 cs.HC
PreCare: Designing AI Assistants for Advance Care Planning (ACP) to Enhance Personal Value Exploration, Patient Knowledge, and Decisional Confidence
National Taiwan University(台湾国立大学);Vilnius University(维尔纽斯大学);University of California Berkeley(加州大学伯克利分校);National Taiwan University Hospital(台湾国立大学医院)
本文针对在线ACP缺乏个性化价值探索与即时后果澄清的问题,设计含3个AI助手的PreCare网站,并通过可用性与比较研究验证其可提升价值观探索、知识和决策信心。
2025-05-14 cs.AI cs.HC
An Intelligent Personal Robot Assistant
近年来,人形机器人的发展对人机交互通信提出了新的挑战。一个主要的挑战是开发能够以最自然的方式表现得像人类并与人类互动的机器人。本文提出了一个系统,开发一个机器人,可以接受命令,并与人交谈的自然语言。此外,机器人还可以被“训练”成为特定领域的专家,为人类提供专家建议。最重要的是,机器人可以通过面部表情,语音和手势来表达情感,使交互过程变得更加全面和引人注目。
2014-12-02 cs.AI cs.HC cs.RO
Context-Aware Target Apps Selection and Recommendation for Enhancing Personal Mobile Assistants
University of Amsterdam(阿姆斯特丹大学);University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校);Università della Svizzera italiana (USI)(瑞士意大利语区大学)
用户在他们的智能手机上安装许多应用程序,从而引发了与用户信息过载和设备资源管理相关的问题。此外,最近个人助理的使用增加使得移动设备在用户的生活中更加普遍。本文讨论了两个研究问题,开发有效的个人移动助理是至关重要的:目标应用程序的选择和推荐。前者是统一移动搜索系统的关键组成部分:该系统以统一的访问模式解决用户对安装在其设备上的所有应用程序的信息需求。相反,后者预测用户想要启动的下一个应用程序。在这里,我们专注于上下文感知模型,以利用丰富的上下文信息提供给移动设备。我们设计了一个原位研究,收集数以千计的移动查询丰富的移动传感器数据(现在公开用于研究目的)。借助该数据集,我们研究了这些任务背景下的用户行为,并提出了一系列上下文感知神经模型,这些模型考虑了用户的顺序,时间和个人行为。我们研究了几种最先进的模型,并表明所提出的模型显着优于基线。
2021-01-09 cs.AI cs.HC cs.IR
Fewer Clarifications, Better Code: Benchmarking Cross-Session Personalized Ambiguity Adaptation in Coding Assistants
该研究提出个性化歧义适应新任务,构建CAPA评测基准,评估12个LLM在有无用户历史下的表现,提出同用户历史门控方法,助力开发减少重复澄清的长期编码助手。
2026-07-30 cs.AI cs.HC
Big Help or Big Brother? Auditing Tracking, Profiling, and Personalization in Generative AI Assistants
UC Davis(加州大学戴维斯分校);UNIRC(意大利国家研究委员会);UCL(伦敦大学学院);UC3M(马德里卡洛斯三世大学)
本文审计十款主流 GenAI 浏览器扩展,结合流量分析与提示框架,揭示其自动收集并共享网页、表单及敏感信息、跨场景画像并个性化响应的隐私风险。
2025-06-10 cs.AI cs.CL cs.CR
Dynamic Personalization Through Continuous Feedback Loops in Interactive AI Systems
bitc.edu.cn(北京信息科技大学)
本研究提出通过持续反馈循环实现动态个性化,提升用户满意度并保持计算效率。
2026-01-14 cs.HC
Conversational Help for Task Completion and Feature Discovery in Personal Assistants
Microsoft India Development Center(微软印度开发中心)
智能个人助理(IPAs)近年来已经变得非常流行。如今,大多数商业IPA都支持各种技能,包括警报、提醒、天气更新、音乐、新闻、事实提示等,列表每天都在增长,因此很难记住执行各种任务所需的命令结构。IPA必须有能力传达有关所支持技能的信息,并指导用户使用执行这些技能所需的正确命令。用户以自然语言与个人助理交互。如果查询寻求关于个人助理的能力的信息,或者请求执行任务的指令,则该查询被定义为帮助查询。在本文中,我们提出了一个互动系统,确定帮助查询和检索适当的反应。我们的系统包括一个基于C-BiLSTM的分类器,它是卷积神经网络(CNN)和双向LSTM(BiLSTM)架构的融合,用于检测帮助查询和语义近似最近邻(ANN)模块,用于将查询映射到适当的预定义响应。对我们的系统在商业IPA的真实查询上的评估以及与流行的传统机器学习和基于深度学习的模型的详细比较表明,我们的系统优于其他方法,并返回相关的帮助查询响应。
2019-07-16 cs.CL cs.HC cs.LG
Is Passive Expertise-Based Personalization Enough? A Case Study in AI-Assisted Test-Taking
Columbia University(哥伦比亚大学);Georgia Institute of Technology(佐治亚理工学院);Adobe(Adobe公司)
本文研究了基于被动专家经验的个性化在AI辅助考试中的效果,发现其能降低任务负荷但存在局限,需结合主动个性化以提升用户体验。
2025-11-28 cs.CL cs.HC
Pearl: Personalizing Large Language Model Writing Assistants with Generation-Calibrated Retrievers
Microsoft(微软);Microsoft Research(微软研究院);Purdue University(普渡大学)
针对LLM写作助手缺乏个性化的问题,提出Pearl,利用生成校准检索器选择历史文档增强提示,通过数据选择与尺度校准KL散度训练,在社交媒体数据集上提升长文生成质量,并可预测性能。
2024-11-05 cs.CL cs.HC cs.IR
Exploring User Acceptance Of Portable Intelligent Personal Assistants: A Hybrid Approach Using PLS-SEM And fsQCA
Shenzhen University(深圳大学)
本研究以Rabbit R1为例,将AI特定因素与界面设计因素融入TAM,结合PLS-SEM和fsQCA分析824名美国用户数据,揭示了影响便携式智能个人助理接受度的关键路径与组态。
2024-08-30 cs.AI cs.HC
Citizen-Led Personalization of User Interfaces: Investigating How People Customize Interfaces for Themselves and Others
本文通过为期两周、九名参与者参与的工具使用研究,考察人们为自己和他人定制网站 UI 的行为,发现社区互助式定制更能激发参与动机。
2024-09-09 cs.HC
Multi-Modal End-User Programming of Web-Based Virtual Assistant Skills
虽然Alexa可以在纸上执行超过100,000项技能,但它的能力只涵盖了网络上可能实现的一小部分。为了实现助理的全部潜力,期望个人能够创建技能来自动化他们的个人web浏览例程。然而,许多看似简单的例程,例如监控家乡的COVID-19统计数据,在线检测孩子成绩的变化,或向群组发送个人地址的消息,如果没有条件和迭代评估等传统编程概念,就无法实现自动化。本文介绍了VASH(语音助理脚本助手),一个新的系统,使用户能够创建有用的基于Web的虚拟助理技能,而无需学习正式的程序设计语言。使用VASH,用户可以在浏览器中演示他们感兴趣的任务,并发出一些语音命令,例如命名技能和添加操作条件。VASH将这些多模态规范转化为可以在虚拟助手上调用的技能。这些技能用我们设计的一种正式的程序设计语言来表示,这种语言称为WebTalk,它支持参数化、函数调用、条件和迭代执行。VASH是一个完全工作的原型,可以在现实世界的网站上运行在Chrome浏览器上。我们的用户研究表明,用户有许多他们希望自动化的Web例程,其中81%可以使用VASH表示。我们发现VASH很容易学习,并且我们研究中的大多数用户都希望使用我们的系统。
2020-08-24 cs.HC
Deaf and Hard of Hearing Access to Intelligent Personal Assistants: Comparison of Voice-Based Options with an LLM-Powered Touch Interface
Gallaudet University(加拉维特大学);University of California, Berkeley(加州大学伯克利分校);Pennsylvania State University(宾夕法尼亚州立大学)
本研究比较了语音识别与LLM驱动触控界面在聋人和听力障碍者使用智能个人助手中的可用性,发现两者无显著差异,但需改进对聋人语音的识别能力。
2026-01-22 cs.AI cs.HC
AwareLLM: A Proactive Multimodal Ecosystem for Personalized Human-AI Collaboration to Enhance Productivity
Microsoft Research(微软研究院);HTI Lab, Plaksha University(普拉克斯哈大学 HTI 实验室);Mohamed Bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学)
AwareLLM通过整合多模态数据与大语言模型,实现主动适应用户心理生理状态,提升任务表现并降低认知疲劳,推动人机协作新范式。
2026-09-01 cs.HC
Should a small robot have a small personal space? Investigating personal spatial zones and proxemic behavior in human-robot interaction
本文介绍了第一次研究在一系列的化学实验有关的作用,个人空间区域的人机交互。在这项研究中,40名参与者接近一个NAO机器人,该机器人大约位于参与者的眼睛水平处,并进入机器人周围的不同社交区域(个人和亲密空间)。当机器人察觉到接近的人进入它的私人空间时,它开始凝视参与者,当它的私人空间被侵入时,它向后靠。我们的研究问题是:(1)考虑到机器人的小尺寸(58厘米高),人们会期望它的社交区域缩小吗?(2)机器人的行为会被解释为适当的社会行为吗?我们发现,参与者的平均接近距离为48厘米,这代表了人类大小的个人区域(45-120厘米)的内部限制,但超出了机器人大小的个人区域(16-42厘米)。这表明大多数参与者没有(完全)将这些区域的范围缩小到机器人的大小。我们还发现,大多数参与者都正确地将机器人的后倾行为解释为机器人对其个人空间入侵的反应;然而,我们对该行为的实施通常被认为是“不友好的”。我们将详细讨论这项研究的这一局限性和其他局限性。此外,我们发现参与者的人格特质,一路顺风问卷分量表,和平均接近距离之间的正相关。这项工作的技术贡献是使用单个紧凑的RGB-D相机实时感知人体上的25个关键点,并使用这些点进行精确的人际距离估计,并作为机器人的凝视目标。
2020-09-03 cs.HC
Designing the Next Generation of Intelligent Personal Robotic Assistants for the Physically Impaired
University of Ilorin(伊洛林大学)
身体受损的人通常难以在不依赖其他人的情况下完成简单的日常工作,这些人并不总是随时可用,因此他们必须努力独立。虽然他们受损的能力在许多情况下可以通过使用辅助技术来增强(在一定程度上),但很少有人关注他们在辅助技术的具体AI中的应用。本文介绍了MARVIN的中保真度原型的模块化框架,架构和设计:一个人工智能驱动的机器人助手,旨在帮助身体受损的人执行简单的日常任务。该原型的特点是一个平凡的运动单元,并利用各种国家的最先进的神经网络架构的系统的特定模块化组件。这些组件执行专门的功能,如自动语音识别,目标检测,自然语言理解,语音合成等,我们还讨论了所遇到的限制,挑战,未来的潜在应用和改进对成功的原型。
2019-11-28 cs.CY cs.HC cs.LG
Memento: Towards Proactive Visualization of Everyday Memories with Personal Wearable AR Assistant
Stony Brook University(石溪大学);Georgia Institute of Technology(佐治亚理工学院)
Memento通过捕捉用户语音查询及时空活动上下文,主动关联兴趣与情境,利用AR实现日常记忆的持续可视化,提升沉浸式应用体验。
2026-05-06 cs.CL cs.HC cs.IR
Beyond the Personal Assistant: How Expectations for Enterprise AI in Teamwork Diverged as Generative AI Took Shape, 2023-2025
Carnegie Mellon University(卡内基梅隆大学);Massachusetts Institute of Technology(麻省理工学院);University of Pennsylvania(宾夕法尼亚大学);Stanford University(斯坦福大学);Emory University(埃默里大学)
本研究通过2023-2025年两阶段访谈,发现企业AI期望从团队协作系统转向个人助手,揭示技术成形如何导致设计可能性分化、收窄或消失。
2026-09-15 cs.CY cs.HC cs.SE
Panza: Design and Analysis of a Fully-Local Personalized Text Writing Assistant
Institute of Science and Technology Austria(奥地利科学技术研究所);Massachusetts Institute of Technology(麻省理工学院)
本文提出Panza,一个完全本地化的个性化邮件写作助手,结合Reverse Instructions微调与RAG,在极少量数据和有限资源下模仿用户写作风格,并首次系统研究该任务的评估指标,同时揭示少量写作样本即可被用于低成本模仿攻击的安全风险。
2025-02-10 cs.AI cs.CL cs.HC
Harmony: A Human-Aware, Responsive, Modular Assistant with a Locally Deployed Large Language Model
本研究提出Harmony,一个基于本地部署Llama3-8B的智能家居助手,通过结构化提示和模块化智能体设计解决小模型可靠性问题,在保护隐私的同时实现与GPT-4系统相当的离线个性化交互性能。
2025-08-11 cs.HC
BlurDriving: Investigating How Personalized Blur Techniques Impact Drivers' Performance in Virtual Reality
The University of Tokyo(东京大学);UCL Interaction Centre(伦敦大学学院交互中心);Team ARAI, Université Paris-Saclay, CNRS, LISN(巴黎萨克雷大学阿拉伊团队,法国国家科学研究中心,利斯恩实验室);Institute of Media Informatics, Ulm University(乌尔姆大学媒体信息学研究所)
研究探讨可控视觉模糊对驾驶的影响,提出BlurDriving系统及人在回路多目标贝叶斯优化框架实现个性化。通过两项VR用户研究发现,个性化虽有个体模糊偏好差异,但未显著提升客观驾驶性能,其效果因个体而异,为车载界面设计提供参考。
2026-07-22 cs.HC
SpeechLess: Micro-utterance with Personalized Spatial Memory-aware Assistant in Everyday Augmented Reality
Stony Brook University(石溪大学);Georgia Institute of Technology(佐治亚理工学院)
SpeechLess通过个性化空间记忆实现语音意图粒度控制,减少公共场合说话的不适,提升日常信息获取效率。
2026-04-10 cs.CL cs.ET cs.HC
Design and Implementation of the Transparent, Interpretable, and Multimodal (TIM) AR Personal Assistant
本文介绍了TIM,首个端到端的AI增强现实任务引导系统,能检测用户与场景并提供可适应的即时反馈,同时支持事后数据分析,并探讨了系统设计挑战及跨领域应用的定制方案。
2025-04-03 cs.ET cs.HC
When Single-User-Oriented LLM-based Assistants Involve Others: A Scoping Review of Pathways, Risks, and Responses
Carnegie Mellon University(卡内基梅隆大学);North Carolina State University(北卡罗来纳州立大学);University of Hong Kong(香港大学)
本研究通过范围综述58项研究,系统梳理了面向单用户的LLM助手在多方情境中的五个操作路径、五类风险及五类应对措施,并提出关注角色变化和保持人物边界的治理与设计建议。
2026-09-15 cs.HC
A Natural Language Query Interface for Searching Personal Information on Smartwatches
Dartmouth College(达特茅斯学院);Liverpool John Moore University(利物浦约翰摩尔斯大学);Vienna University of Technology(维也纳工业大学);University of Vienna(维也纳大学);University of California, Riverside(加州大学河滨分校)
目前,个人助理系统在智能手机上运行并使用自然语言界面。然而,这些系统主要依赖于网络来查找信息。移动和可穿戴设备可以收集大量的个人数据,如睡眠和身体活动。这些信息客体及其应用被称为量化自我、移动健康或个人信息学,它们可以用来更深入地了解我们的行为。据我们所知,现有的个人助理系统不支持所有类型的量化自我查询。针对这一点,我们进行了一项用户研究,以分析一组“文本问题/查询”,用户使用这些问题/查询来搜索他们的量化自我或移动健康数据。通过对这些问题的分析,我们构建了一个轻量级的基于自然语言的查询接口,包括文本解析算法和用户界面,用于处理用户对量化自我信息的查询。该查询接口被设计为在小型设备(即智能手表)上操作,以及通过允许个人助理系统处理终端用户关于其量化的自身数据的自然语言查询来增强个人助理系统。
2016-11-22 cs.CL cs.HC cs.IR
Why and When LLM-Based Assistants Can Go Wrong: Investigating the Effectiveness of Prompt-Based Interactions for Software Help-Seeking
Simon Fraser University(西蒙菲莎大学);Stanford University(斯坦福大学)
通过16人实验对比基线LLM与SoftAIBot,发现提示词指南和领域上下文未能显著改善用户感知与任务完成率,强调需在LLM中引入可解释的上下文感知线索以提升软件求助效用。
2024-02-12 cs.AI cs.HC cs.LG
Lio -- A Personal Robot Assistant for Human-Robot Interaction and Care Applications
F&P Robotics(F&P机器人公司)
Lio是一个移动机器人平台,具有多功能手臂,专门用于人机交互和个人护理助理任务。该机器人已被部署在几个医疗机构,在那里它可以自主运行,每天为工作人员和患者提供帮助。Lio具有内在的安全性,它采用柔软的人造皮革材料,并具有碰撞检测、有限的速度和力量。此外,机器人具有顺应性运动控制器。视觉、音频、激光、超声波和机械传感器的组合用于安全导航和环境理解。支持ROS的设置允许研究人员访问原始传感器数据,并直接控制机器人。Lio友好的外观使其深受医护人员和患者的欢迎。通过灵活的决策引擎、自主导航和自动充电,完全自主操作成为可能。结合定时任务触发器,这使得Lio可以全天运行,电池寿命长达8小时,并在空闲时间充电。强大的机载计算单元组合提供了足够的处理能力,可以在机器人上部署基于人工智能和深度学习的解决方案,而无需将任何敏感数据发送到云服务,从而确保符合隐私要求。在COVID-19大流行期间,Lio被迅速调整以执行额外功能,如消毒和远程体温升高检测。它符合ISO 13482-个人护理机器人的安全要求,这意味着它可以直接在护理设施中进行测试和部署。
2020-06-16 cs.AI cs.HC cs.RO
Framework for A Personalized Intelligent Assistant to Elderly People for Activities of Daily Living
University of Cincinnati(辛辛那提大学)
提出个性化智能助手框架,通过分析用户任务、日常作息和情感状态,在IoT环境中辅助老年人执行日常生活活动,实验证明特定用户建模准确率达73.12%。
2021-06-29 cs.AI cs.CV cs.HC
Investigating Student Interaction Patterns with Large Language Model-Powered Course Assistants in Computer Science Courses
Colorado School of Mines(科罗拉多矿业学院);HiTA AI Inc.(HiTA人工智能公司);Cornell University(康奈尔大学)
本研究开发并部署了一个基于LLM的课程助手至多门计算机科学课程,分析了约2,000名学生的交互数据,发现系统有效填补了时间支持缺口,但LLM在生成高阶认知问题方面能力有限,需教育者更多参与配置以提升教学效果。
2025-09-10 cs.AI cs.CY cs.HC
Mirroring to Build Trust in Digital Assistants
Apple Inc.(苹果公司)
我们描述的实验,以建立一个会话的数字助理,认为用户的首选会话风格。特别是,这些实验的目的是衡量用户是否喜欢和信任的助理,其会话风格匹配自己。为此,我们进行了一项用户研究,其中受试者与数字助理进行交互,该数字助理的响应方式要么与他们的对话风格相匹配,要么不匹配。使用自我报告的个性属性和受试者对互动的反馈,我们建立了可以可靠地预测用户首选会话风格的模型。
2019-04-02 cs.AI cs.CL cs.HC
Beyond Permissions: Investigating Mobile Personalization with Simulated Personas
Johns Hopkins University(约翰霍普金斯大学);University of Notre Dame(诺特大学);Northeastern University(东北ern大学)
本文提出一个使用传感器欺骗和角色模拟的沙盒系统,通过向Android设备注入多传感器配置文件并利用GPT-4 Vision进行UI摘要,审计和可视化移动应用对推断行为的个性化响应,为隐私增强技术提供基础。
2025-11-03 cs.AI cs.HC