A Music-Therapy Robotic Platform for Children with Autism: A Pilot Study
患有自闭症谱系障碍（ASD）的儿童在语言和非语言沟通技能方面存在缺陷，包括运动控制，话轮转换和情绪识别。创新技术，如社交辅助机器人，已被证明是自闭症治疗的可行方法。本文提出了一种新的基于机器人的音乐治疗平台，用于建模和改善ASD儿童的社会反应和行为。我们的自主社交互动系统由三个模块组成。我们采用短时傅立叶变换和Levenshtein距离来满足设计要求：a）“音乐检测”和b）“智能评分和反馈”，这允许NAO理解音乐并在适用时向用户提供额外的练习和口头反馈。我们设计并实现了六个人机交互（HRI）会议，包括四个干预会议。9名ASD儿童和7名典型发育儿童参加了总共50次HRI实验。使用我们的平台，我们收集和分析了使用皮肤电活动（EDA）信号的社会行为变化和情感识别数据。我们的实验结果表明，大多数参与者能够以约70%的准确率完成运动控制任务。9名ASD参与者中有6名在播放音乐时表现出稳定的话轮转换行为。使用支持向量机的自动情感分类的结果说明，ASD组中的情感唤醒可以通过EDA生物信号被检测和很好地识别。总之，我们的数据分析的结果，包括使用EDA信号的情感分类，表明所提出的基于机器人音乐的治疗平台是一种有吸引力和有前途的辅助工具，以促进自闭症儿童精细运动控制和轮流技能的改善。
2022-05-09 cs.HC
ASD-Chat: An Innovative Dialogue Intervention System for Children with Autism based on LLM and VB-MAPP
本文提出ASD-Chat系统，将临床干预方法VB-MAPP与ChatGPT对话生成能力相结合，为自闭症儿童提供个性化社交对话干预，实验显示其干预效果可与专业干预人员相媲美。
2024-09-03 cs.HC
A multilayer reactive system for robots interacting with children with autism
Vrije Universiteit Brussel（布鲁塞尔自由大学）
与自闭症儿童互动的传统机器人辅助治疗系统缺乏自主性。为了克服这一限制，正在建立一个监督自主机器人控制器。在本文中，我们提出了这样的控制器内的多层反应系统。这个反应式系统的目标是让机器人对孩子的行为做出适当的反应，创造出活着的错觉。
2016-06-13 cs.HC cs.RO
A Gamified Framework to Assist Therapists with the ABA Therapy for Autism
该研究提出一个与意大利自闭症中心合作设计的游戏化框架，通过移动应用和后端系统辅助ABA治疗，经18名儿童四个月评估，能提高效率、减少非治疗时间、增强专注并改善数据隐私安全。
2023-12-30 cs.HC
Content and Quality Analysis of mHealth Apps for Feeding Children with Autism Spectrum Disorder
该研究系统评估了非洲地区针对ASD儿童喂养问题的移动健康应用，发现326个应用中仅2个iOS应用符合标准，且MARS评分显示质量仅可接受至良好，揭示了高质量循证应用的严重短缺，并建议未来开发应优先临床验证和以照护者为中心的功能整合。
2025-09-23 cs.HC
Eggly: Designing Mobile Augmented Reality Neurofeedback Training Games for Children with Autism Spectrum Disorder
针对孤独症儿童，研究开发了基于EEG头带和平板电脑的移动AR神经反馈训练游戏Eggly，通过十个月迭代设计和实地研究验证了其有效性与设计贡献。
2025-03-06 cs.HC
CoVoL: A Cooperative Vocabulary Learning Game for Children with Autism
本文针对自闭症儿童词汇学习缺乏现实社交轮流互动的问题，设计并评估双人协作游戏 CoVoL，并结合专家访谈提出后续功能与评估方案。
2025-05-13 cs.HC cs.SE
Could Interaction with Social Robots Facilitate Joint Attention of Children with Autism Spectrum Disorder?
这项研究探讨了与社交机器人的互动是否可以促进自闭症谱系障碍（ASD）的共同注意力。两个条件的发起人，即“人类”与“机器人”进行了测量与15名儿童与ASD和15名年龄匹配的典型发展（TD）的儿童。除了注视和注视转换，一个新的最长共同子序列（LCS）的方法被提出来分析眼动轨迹。结果显示，ASD儿童表现出联合注意缺陷。与人类智能体相比，机器人对目标的注视更少，但它吸引了更多的注意力，并允许儿童表现出凝视过渡并遵循联合注意逻辑。这一结果突出了LCS分析在眼动跟踪研究和社交机器人干预方面的潜在应用。
2018-03-04 cs.HC q-bio.NC
Teaching Turn-Taking Skills to Children with Autism using a Parrot-Like Robot
University of Tehran（德黑兰大学）；Intelligent Systems Research Institute, SKKU（成均馆大学智能系统研究所）；Allameh Tabatabái University（阿拉梅塔巴塔巴伊大学）；Iran University of Medical Sciences（伊朗医科大学）；Shahid Beheshti University（沙希德贝赫什提大学）
机器人辅助治疗是许多治疗的新范例，例如自闭症谱系障碍儿童的治疗。在本文中，我们提出了使用的鹦鹉一样的机器人作为辅助工具，反过来采取治疗。该疗法以自闭症儿童与治疗师或机器人之间的纸牌游戏的形式设计。干预实施在一个单一的主题研究格式和不同的轮流变量的效果大小进行计算。结果表明，在大多数话轮转换变量中，儿童机器人交互的效应量大于儿童训练者的效应量。此外，建议机器人辅助治疗的治疗师的观点进行评估，使用问卷。治疗师认为，机器人对儿童有吸引力，这可能会减轻治疗过程。治疗师建议增加其他功能和游戏，让自闭症儿童学习更多的轮流任务，并更好地概括已学习的任务
2021-01-28 cs.HC cs.RO
A Wearable Social Interaction Aid for Children with Autism
Stanford University（斯坦福大学）
在美国，自闭症谱系障碍（ASD）的发病率为1/68，是一个日益严重的公共卫生危机。这些孩子中的许多人很难进行眼神交流，识别面部表情，并参与社交互动。今天，治疗自闭症相关核心缺陷的标准集中在一种被称为应用行为分析的行为训练形式上。为了解决表情识别中的感知缺陷，ABA方法通常涉及使用诸如闪卡的提示，通过记忆进行重复的情绪识别训练。这些技术必须由受过训练的从业人员管理，而且往往在临床中心，这些中心的数量远远超过许多需要关注的儿童和家庭。等待进入的名单长达18个月，这种等待可能导致儿童倒退到孤立的道路上，这会影响他们的长期预后。迫切需要创新新的护理提供方法，适当增强有风险或被诊断患有自闭症的儿童的护理人员的能力，并利用移动工具和可穿戴设备在临床环境之外使用。
2020-04-19 cs.CV cs.HC cs.LG
Personalized Affect-Aware Socially Assistive Robot Tutors Aimed at Fostering Social Grit in Children with Autism
University of Southern California（南加州大学）
情感感知的社会辅助机器人（SAR）导师有很大的潜力，以增加和民主化的专业治疗干预自闭症谱系障碍（ASD）的儿童从不同的社会经济背景。然而，大多数关于ASD SAR的研究都是关于认知和/或社交技能的教学，而不是解决用户在现实世界社交情况下的情感需求。为了弥合这一差距，这项工作的目的是开发个性化的情感意识SAR导师，以帮助减轻社交焦虑和培养社会砂砾-社会技能发展的成长心态-在自闭症儿童。我们提出了一种新的范式，将临床验证的接受和承诺培训（ACT）与个性化的SAR干预。这项工作为开发个性化的情感感知SAR干预措施铺平了道路，以支持ASD儿童独特而多样的社会情感需求和挑战。
2021-03-29 cs.HC cs.RO
A Two-stage Multi-modal Affect Analysis Framework for Children with Autism Spectrum Disorder
University of Delaware（特拉华大学）
自闭症谱系障碍（ASD）是一种发育障碍，影响一个人的沟通和社会行为的方式，在频谱中的人难以感知他人的面部表情，以及通过自己的面部和身体呈现和交流情绪和影响。已经做出了一些努力来预测和改善ASD儿童的情绪状态，这是一种通过玩耍和游戏来提高儿童社交技能的常见方法。然而，许多以前的工作只使用基准情绪数据集上的预训练模型，而没有考虑典型发育儿童和自闭症儿童之间的情绪差异。在本文中，我们提出了一种开源的两阶段多模态方法，利用听觉和视觉线索来预测ASD儿童在现实世界的游戏治疗场景中的三种主要情感状态（积极，消极和中性），并实现了72：40%的总体准确率。这项工作提出了一种新的方法，结合人类的专业知识和机器智能的ASD影响识别提出了一个两阶段的模式。
2021-06-17 cs.CV cs.HC cs.MM
Introducing CALMED: Multimodal Annotated Dataset for Emotion Detection in Children with Autism
University of Galway（戈尔韦大学）；LORIA CNRS/INRIA/Université de Lorraine（洛林大学国家科学研究中心/法国国家信息与自动化研究所洛林计算机科学及其应用实验室）；Université Sorbonne Paris Nord（巴黎索邦北大学）；ASK - All Special Kids（ASK-所有特殊儿童）
本文介绍CALMED数据集，包含8-12岁自闭症儿童的多模态情绪标注数据，共57,012个样本，旨在促进ASD情绪检测研究。
2023-07-24 cs.AI cs.HC
Why robots? A survey on the roles and benefits of social robots in the therapy of children with autism
National University of Singapore（新加坡国立大学）；Ministry of Education, Singapore（新加坡教育部）
本文综述了社会互动机器人的使用，以协助自闭症儿童的治疗。研究人员调查了机器人在帮助儿童解决社交、情感和沟通缺陷方面的成功程度。儿童与机器人的互动进行了仔细审查，就不同的目标行为，是从一个孩子在治疗过程中引起的。这些行为是根据孩子的发展需要进行彻底检查的。最重要的是，从调查作品中提取实验数据，并根据目标行为以及每个机器人在治疗过程中如何使用以实现这些行为进行分析。研究最后对这些机器人所扮演的不同治疗角色进行了分类，并强调了使它们能够在自闭症治疗中实现高水平有效性的重要设计特征。
2013-11-02 cs.CY cs.HC cs.RO
The state of play of ASC-Inclusion: An Integrated Internet-Based Environment for Social Inclusion of Children with Autism Spectrum Conditions
Technische Universität München（慕尼黑工业大学）；University of Cambridge（剑桥大学）
患有自闭症谱系障碍（ASC）的人在使用语言和非语言交流进行社会互动方面存在明显的困难。正在运行的ASC-Inclusion项目旨在帮助患有ASC的儿童，让他们学习如何通过在虚拟世界中玩游戏来表达和识别情绪。该平台包括使用标准麦克风和网络摄像头或深度传感器分析用户的手势，面部和声音表达，通过游戏进行训练，与同行进行文本通信，动画，视频和音频剪辑。我们提出了实现这样一个严肃的游戏平台的游戏状态，并提供了不同模式的结果。
2014-03-24 cs.CV cs.CY cs.HC
Toward Personalized Affect-Aware Socially Assistive Robot Tutors in Long-Term Interventions for Children with Autism
University of Southern California（南加州大学）；Massachusetts Institute of Technology（麻省理工学院）
情感感知社会辅助机器人（SAR）在增强自闭症谱系障碍（ASD）儿童干预方面显示出巨大的潜力。然而，目前的SAR还不能感知的独特和多样化的一套非典型的认知情感行为，从ASD儿童在一个自动和个性化的方式在长期（多会话）的现实世界的互动。为了弥补这一差距，这项工作设计和验证了个性化的模型唤醒和效价的ASD儿童使用多会话在家里的SAR干预数据集。通过使用监督领域自适应（s-DA）训练机器学习（ML）算法，个性化模型能够在有限的个人数据和从其他研究参与者汇集的更丰富的个人数据之间进行权衡。我们评估了个性化对长期多模态数据集的影响，该数据集由4名ASD儿童组成，共19次会议，并推导出人类注释者之间二元唤醒（IR = 83%）和效价（IR = 81%）标签的评分员间可靠性（IR）评分。我们的研究结果表明，具有s-DA的个性化梯度提升决策树（XGBoost）模型不仅在所有会话的加权平均值上，而且在统计学上（p < .05）在各个会话中优于两个非个性化的个性化和通用模型基线。这项工作铺平了道路，为开发个性化的自主SAR系统针对个人的非典型认知情感和社会情感的需求。
2021-01-30 cs.HC cs.RO
Content and Quality Analysis of Parent-Facing Applications for Feeding Children with Autism Spectrum Disorder
本研究系统评估了应用商店中面向自闭症儿童喂养问题的家长端应用，发现仅两个iOS应用符合标准，虽具中等以上可用性但缺乏临床验证，揭示了高质量循证工具的严重不足。
2025-08-19 cs.CY cs.HC
Modeling Engagement in Long-Term, In-Home Socially Assistive Robot Interventions for Children with Autism Spectrum Disorders
University of Southern California（南加州大学）
社会辅助机器人（SAR）具有很大的潜力，可以为自闭症谱系障碍（ASD）儿童提供可获得的，负担得起的和个性化的治疗干预。然而，人机交互（HRI）方法在自主识别和响应行为线索的能力方面仍然有限，特别是在非典型用户和日常环境中。这项工作应用监督机器学习算法来模拟ASD儿童长期家庭SAR干预背景下的用户参与。具体来说，我们为每个用户提供了两种类型的参与模型：（i）在来自不同用户的数据上训练的通用模型;以及（ii）在用户数据的早期子集上训练的个性化模型。该模型实现了约90%的准确性（AUROC）的事后二进制分类的参与，尽管在用户，会话和参与状态之间观察到的数据的高方差。此外，模型预测中的时间模式可用于在适当的时候可靠地启动重新接触行动。这些结果验证了在长期的、真实世界的HRI设置中识别和响应用户脱离的可行性和挑战。这项工作的贡献也为设计引人入胜和个性化的HRI提供了信息，特别是对于ASD社区。
2020-04-11 cs.HC cs.LG cs.RO
Advancing Robot-Assisted Autism Therapy: A Novel Algorithm for Enhancing Joint Attention Interventions
Sapienza University of Rome（罗马第一大学）
本文综述社交机器人用于自闭症共同注意干预的研究，比较两类提示与奖励形式模型，并提出整合环境交互因素的新型自适应算法。
2024-06-14 cs.HC cs.RO
Personalized Machine Learning for Robot Perception of Affect and Engagement in Autism Therapy
机器人在促进自闭症儿童未来治疗方面具有巨大潜力。然而，现有的机器人缺乏自动感知和响应人类情感的能力，这对于建立和维持参与性交互是必要的。此外，许多自闭症患者表达情感认知状态的方式都是非典型的和异常多样的，这使得他们的推理挑战变得更加困难。为了解决自闭症儿童行为线索的异质性，我们使用深度学习的最新进展来制定个性化的机器学习（ML）框架，用于在机器人辅助自闭症治疗期间自动感知儿童的情感状态和参与。我们方法的关键是从传统的ML范式进行了新的转变-而不是使用“一刀切”的ML模型，我们的个性化ML框架通过利用相关的上下文信息（人口统计和行为评估分数）和每个孩子的个人特征为每个孩子进行了优化。我们使用来自两种文化（亚洲和欧洲）的35名自闭症儿童（3-13岁）的多模态音频，视频和自主生理数据的数据集设计和评估了这个框架，参与了25分钟的儿童-机器人交互（约500 k数据点）。我们的实验证实了机器人感知影响和参与的可行性，由于模型个性化，显示出明显的改善。所提出的方法有可能通过提供更有效的监测和总结治疗进展来改善现有的自闭症治疗方法。
2018-06-19 cs.AI cs.CV cs.HC
Human vs. NAO: A Computational-Behavioral Framework for Quantifying Social Orienting in Autism and Typical Development
研究通过比较人类和NAO机器人对名字的反应，探讨社会定向能力差异，分析眼接触、延迟、头部和面部方向变化等行为参数，以提升自闭症评估工具的理论和应用发展。
2026-03-24 cs.HC cs.RO
The Nexus of AR/VR, AI, UI/UX, and Robotics Technologies in Enhancing Learning and Social Interaction for Children with Autism Spectrum Disorders: A Systematic Review
Nepal Engineering College, Pokhara University（博卡拉大学尼泊尔工程学院）
本系统综述分析了150篇文献中60篇，发现AR可提升ASD儿童社交与学习，LLMs支持个性化沟通，UI/UX设计至关重要，但机器人教育项目仍缺乏，需加强定制化与集成研究。
2025-07-08 cs.AI cs.HC cs.SI
Find It: A Novel Way to Learn Through Play
自闭症谱系障碍（ASD）是许多研究持久的领域，如磁共振成像（MRI），称为扩散张量成像，早期启动丹佛模型（ESDM），为被诊断的人提供更轻松的生活。经过多年的公共和私人资金的联合资助，这些研究在最近几年显示出巨大的希望。在本文中，我们试图展示一种唐氏综合症自闭症儿童如何通过游戏治疗学习的方法。这些游戏疗法已经显示出这些儿童在学习字母以及发展他们的运动技能和记忆挑战方面取得了巨大的进步。
2019-07-12 cs.HC
Learning Affects Trust: Design Recommendations and Concepts for Teaching Children -- and Nearly Anyone -- about Conversational Agents
研究表明，人与代理人之间的关系与人与人之间的关系形成的方式类似。由于儿童不具备与成人相同的批判性分析技能（例如，可能过度信任技术），这种关系的形成令人担忧。然而，很少有研究深入调查儿童的看法，会话代理人，更少调查如何教育可能会改变这些看法。我们提出了K-12研讨会与相关的对话AI概念，以鼓励更健康的理解和与代理的关系。通过对课程以及来自不同国家的儿童和家长的研究，我们发现参与者对代理人的看法-特别是他们的合作伙伴模型和信任-发生了变化。当参与者讨论对代理人信任的变化时，我们发现他们最常提到的是学习一些东西。例如，他们经常提到学习代理从哪里获得信息，代理如何使用这些信息以及代理如何编程。根据研究结果，我们提出了教学会话代理概念的建议，包括强调学生认为最具挑战性的概念，如培训，话轮转换和术语;补充代理开发活动与相关的学习活动;培养对代理的适当信任水平;并培养准确的代理合作伙伴模型。通过这种教学方法，学生可以学习更好地理解对话式人工智能以及在世界上拥有它意味着什么。
2022-09-12 cs.HC
Exploring Machine Teaching with Children
College of Information Studies, University of Maryland（马里兰大学信息学院）
迭代地构建和测试机器学习模型可以帮助孩子们通过机器学习和人工智能培养创造力、灵活性和舒适性。我们探索儿童如何使用机器教学界面与14名儿童（7-13岁）和成人共同设计师的团队。孩子们训练图像分类器，并测试彼此模型的鲁棒性。我们的研究阐明了儿童如何推理ML概念，为儿童设计机器教学体验提供了这些见解：（i）ML指标（例如置信度分数）应该在实验中可见;（ii）ML活动应该使儿童能够交换模型，以促进反思和模式识别;（iii）界面应该允许快速数据检查（例如图像与手势）。
2021-09-27 cs.CY cs.HC cs.LG
Development of Immersive Virtual and Augmented Reality-Based Joint Attention Training Platform for Children with Autism
Indian Institute of Technology Delhi（印度德里理工学院）；Indian Institute of Technology Jodhpur（印度焦浦尔理工学院）；All India Institute of Medical Sciences Delhi（印度医学科学院德里分院）
本研究开发了一种基于AR和VR的联合注意训练平台，用于改善自闭症儿童的社会交流能力，发现AR在提升响应速度和准确性方面优于VR。
2025-12-17 cs.HC cs.MM
A Review of and Roadmap for Data Science and Machine Learning for the Neuropsychiatric Phenotype of Autism
University of Hawaiʻi at Mānoa（夏威夷大学马诺阿分校）；Stanford University School of Medicine（斯坦福大学医学院）
自闭症谱系障碍（Autism Spectrum Disorder）是一种神经发育迟缓，每44名儿童中至少有1名受到影响。与许多神经系统疾病表型一样，诊断特征是可观察的，可以随时间推移进行跟踪，并且可以通过适当的治疗和治疗进行管理甚至消除。然而，在自闭症的诊断、治疗和纵向跟踪管道以及相关延迟方面存在重大瓶颈，这为新型数据科学解决方案创造了机会，以增强和改变现有的工作流程，并为更多受影响的家庭提供服务。许多研究实验室先前进行的几项努力已经在改善自闭症儿童的数字诊断和数字治疗方面取得了巨大进展。我们回顾了使用数据科学进行自闭症行为量化的数字健康方法的文献。我们描述了病例对照研究和分类系统的数字表型。然后，我们讨论数字诊断和治疗，其中集成了自闭症相关行为的机器学习模型，包括翻译使用必须解决的因素。最后，我们描述了自闭症数据科学领域的持续挑战和潜在机遇。鉴于自闭症的异质性和相关行为的复杂性，这篇综述包含了与神经行为分析和数字精神病学更广泛相关的见解。
2023-03-07 cs.CY cs.HC cs.LG
A multimodal large language model for evidence-based autism spectrum disorder screening
Zhejiang Normal University（浙江师范大学）；State Grid Corporation of China（国家电网有限公司）；Huzhou Normal University（湖州师范学院）；Zhejiang University of Technology（浙江工业大学）
本文提出多模态大语言模型ASDchat，利用视频、音频和对话进行基于证据的ASD早期筛查，在1,035名参与者上达到高AUC，并识别出六种亚型及相应干预建议。
2026-10-12 cs.CV cs.HC cs.LG
Can viewer proximity be a behavioural marker for Autism Spectrum Disorder?
Indian Institute of Technology Bombay（印度理工学院孟买分校）；University of Reading（雷丁大学）；De Montfort University（德蒙福特大学）；Sangath（桑加斯）
任何自闭症谱系障碍的筛查是一个复杂的过程，通常涉及行为观察和基于问卷的测试的混合。这一过程通常在受控环境中进行，需要经过培训的临床医生或精神科医生进行此类评估。在移动平台技术进步的浪潮中，已经进行了几次尝试，将这些评估纳入移动和平板设备。在本文中，我们分析使用这样的筛选测试生成的视频。本文报道了第一次使用的功效，使用观察者的距离从显示屏，同时管理的感觉灵敏度测试作为行为标记自闭症的儿童年龄2-7岁的潜力，使用这样的测试在休闲的家庭环境是有希望的。
2021-12-06 cs.CV cs.HC
HSVRS: A Virtual Reality System of the Hide-and-Seek Game to Enhance Gaze Fixation Ability for Autistic Children
本文提出了一种名为HSVRS的虚拟现实系统，通过捉迷藏游戏和个性化虚拟化身技术，提升自闭症儿童的目光注视能力，实验证明其作为辅助干预手段可行且有效。
2023-10-20 cs.HC cs.MM
From Keyboard to Chatbot: An AI-powered Integration Platform with Large-Language Models for Teaching Computational Thinking for Young Children
University at Buffalo（布法罗大学）
本文提出一个由大语言模型驱动的AI集成平台，让幼儿通过自然语言与聊天机器人交互完成编程任务，并由有形机器人即时执行分解后的程序，从而无需键盘即可培养计算思维。
2024-05-01 cs.AI cs.CY cs.HC
Child-Robot Interaction Studies During COVID-19 Pandemic
新型冠状病毒疫情（COVID-19）大流行深深影响了我们的生活，就像其他人一样，孩子们也因COVID-19而受到限制，影响了他们的教育和与他人的社交互动，长时间被限制进入游乐场和学校。尽管社交机器人为支持儿童的教育、医疗保健和与他人的社交互动提供了一个有前途的解决方案，但由于COVID-19的预防措施也为社交机器人研究带来了新的限制。在本文中，我们将根据两项用户研究讨论COVID-19给儿童与机器人交互带来的好处和挑战。第一项研究涉及有听力障碍的儿童，并使用Pepper人形机器人来支持他们的听力测试。第二项研究包括儿童大小的人形机器人卡斯帕和自闭症谱系障碍（ASD）儿童的互动游戏。
2021-05-01 cs.HC
EMooly: Supporting Autistic Children in Collaborative Social-Emotional Learning with Caregiver Participation through Interactive AI-infused and AR Activities
University of Waterloo（滑铁卢大学）；Southern University of Science and Technology（南方科技大学）；Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；National Research Council（国家研究委员会）
EMooly是一款结合AR与生成式AI的平板游戏，通过照护者参与和个性化活动，显著提升自闭症儿童的情绪识别能力。
2026-09-22 cs.HC
Bridging the Gap: Enhancing Gaze-Performance Link in Children with ASD through Dual-Level Visual Guidance in MR-DMT
针对ASD儿童在MR-DMT中注视时间长却不能改善动作表现的问题，本文提出并验证一种兼顾注意引导与知觉到执行转换支架的双层视觉引导系统，以增强注视-表现关联。
2025-10-04 cs.HC
Robots and Children that Learn Together : Improving Knowledge Retention by Teaching Peer-Like Interactive Robots
Department of Computing, Sheffield Hallam University（谢菲尔德哈姆大学计算机系）；LOHA Health Ltd（LOHA健康有限公司）
本研究引入交互式强化学习作为认知模型，使类同伴机器人可被儿童教授。实验表明，相比独立练习，教机器人能显著提高知识保持，尤其对低先验知识儿童，并首次证明多机器人课堂部署的可行性。
2025-06-23 cs.AI cs.HC cs.RO
Designing a digital word-learning intervention with neurodiverse children: Experiences and ideas from children with developmental language disorder
Federation University Australia（联邦大学）；City St George’s, University of London（伦敦大学城市圣乔治学院）；Dalhousie University（达尔豪斯大学）
该研究针对发育性语言障碍儿童，采用定制化参与式设计方法，设计词汇学习干预方案，明确了多模态等关键设计要求，为相关干预开发提供了宝贵见解。
2026-08-03 cs.HC
Early Autism Spectrum Disorders Diagnosis Using Eye-Tracking Technology
虽然被诊断患有自闭症谱系障碍（ASD）的儿童人数逐年上升，但自闭症的诊断和治疗仍然没有通用的方法。现在有很多不同的现场诊断工具和方法，但是，很大一部分父母无法获得这些工具和方法，他们倾向于在互联网上搜索可用的工具和纠正程序。缺乏资金、缺乏合格的专家和对矫正方法的信任度低是影响ASD及时诊断的主要问题，也是需要解决的问题，以便为小患者提供早期治疗。了解到这个问题的重要性，我们的团队决定研究在线自闭症诊断的新方法，并开发能够根据儿童凝视活动的信息预测自闭症谱系障碍几率的算法。实验结果支持了我们的观点，即眼动追踪技术是早期检测眼动特征的最有前途的工具之一，这些眼动特征可以作为ASD的标记。此外，我们已经进行了一系列的实验，以确保我们的方法在廉价的网络摄像头系统上有一个可靠的结果。因此，这种方法可以用作早期儿童发育的家庭监测和ASD相关疾病监测的额外的第一筛选工具。基于眼动追踪的自闭症诊断的进一步发展具有很大的使用潜力，可以进一步在实际专家和家长的日常实践中实施。
2020-08-21 cs.AI cs.HC
Exploring Gaze Pattern Differences Between Autistic and Neurotypical Children: Clustering, Visualisation, and Prediction
Singapore University of Technology and Design（新加坡科技设计大学）；A*STAR Institute for Infocomm Research（新加坡资讯通信研究院）；University of Wisconsin Madison（威斯康星大学麦迪逊分校）
本研究探讨利用内部聚类有效性指标区分自闭症与典型发育儿童注视模式差异，通过七种聚类算法提取63个指标训练预测模型，在三个数据集上达到81%的AUC，验证了该方法的有效性。
2025-04-06 cs.AI cs.CV cs.HC
Copiloting Diagnosis of Autism in Real Clinical Scenarios via LLMs
Zhejiang University（浙江大学）
针对大语言模型在真实自闭症临床诊断场景应用不足的问题，提出ADOS-Copilot框架平衡评分与解释，性能接近临床医生，并系统分析LLMs的优劣势，为其在精神健康领域的应用提供指导。
2024-10-10 cs.AI cs.CL cs.HC
An Interactive Robotic Framework to Facilitate Sensory Experiences for Children with ASD
George Washington University（乔治华盛顿大学）；Michigan Technological University（密歇根理工大学）；Georgia Institute of Technology（佐治亚理工学院）
儿童自闭症谱系障碍（ASD）的诊断通常也伴随着感觉处理障碍的诊断。异常反应通常发生在多个感觉处理领域，特别是对触觉、听觉和视觉刺激的异常反应更普遍。本文讨论了一种新的基于机器人的框架，旨在针对ASD儿童在受控环境中面临的感官困难。该设置包括一些感官站，以及机器人代理，导航站和互动的刺激，因为他们提出。这些刺激被设计成类似于现实世界的场景，形成一个人的日常经验的共同部分。鉴于ASD儿童对一般技术和机器人的浓厚兴趣，我们试图利用我们的机器人平台来展示社会可接受的反应，以刺激互动，教学设置，鼓励儿童的社会，运动和声乐技能，同时提供多样化的感官体验。进行了一项用户研究，以评估所提出的框架的有效性，共有18名参与者（5名ASD患者和13名典型的发展），年龄在4至12岁之间。我们描述了我们的方法，数据汇集，编码的视频数据和分析从研究中获得的结果。我们还讨论了目前工作的局限性，并详细介绍了我们的计划，为今后的工作，以提高所获得的结果的有效性。
2019-01-03 cs.HC cs.RO
Extending 3D body pose estimation for robotic-assistive therapies of autistic children
Institute for Systems and Robotics（系统与机器人研究所）；Instituto Superior Técnico（高等技术学院）；Universidade de Lisboa（里斯本大学）；Politecnico di Milano（米兰理工大学）
针对自闭症儿童机器人辅助治疗中的姿态估计问题，通过改进现有3D人体建模方法并引入线性回归模型微调输入，开发出适用于儿童的3D姿态估计器，误差低于0.3m，在真实场景中帧估计成功率优于现有方法。
2024-02-12 cs.CV cs.HC cs.RO
Deep Learning Based Approach to Enhanced Recognition of Emotions and Behavioral Patterns of Autistic Children
Department of Information Technology（信息科技系）；Sri Lanka Institute of Information Technology（斯里兰卡信息科技研究所）；Department of Computer Systems Engineering（计算机系统工程系）
本研究采用纵向监测和深度学习分析自闭症儿童情绪与行为模式，提出针对性应用框架，以早期识别为基础改善其学习与软技能发展。
2025-08-29 cs.AI cs.CV cs.HC
Symbiotic Child Emotional Support with Social Robots and Temporal Knowledge Graphs
Utrecht University（乌得勒支大学）
在目前的青少年护理方案中，有需要的儿童（心理健康、家庭问题、学习障碍和自闭症）在学校或医院接受青少年和家庭专家的一对一援助。偶尔，社交机器人也会在这样的环境中扮演支持角色，与孩子进行一对一的互动。在本文中，我们建议开发一个共生的框架，实时情感支持（ES）与社会机器人知识图谱（KG）。通过增加特定领域的语料库，从文献ES儿童（8岁至12岁之间），并提供包括事件的历史，我们建议开发一个实验性的知识感知的ES框架。该框架既指导社交机器人向儿童提供ES语句，又帮助专家跟踪和解释儿童的情绪状态和相关事件。
2022-05-26 cs.AI cs.CL cs.CY
