ARIS：面向社交机器人的智能体与关系智能系统

近年来，基础模型的快速发展推动了社交机器人领域的显著进步，使得机器人能够实现更丰富的环境感知和与用户之间的自然沟通。然而，尽管取得了这些进展，现有系统在处理多轮对话、理解用户之间的复杂社会关系以及在大规模上下文环境中进行连贯对话方面仍然面临挑战。为了突破这些瓶颈，研究人员提出了ARIS（Agentic and Relationship Intelligence System，智能体与关系智能系统），这是一个面向社交机器人的统一智能体AI框架。ARIS创新性地整合了三种核心技术：多模态推理、基于知识图谱的社会世界模型，以及检索增强生成（RAG），所有这些组件都融合在一个模块化的架构中。ARIS的核心包含三个主要部分。首先，社会世界模型通过知识图谱显式地映射和更新用户之间的社会关系，这使得机器人能够在多次交互中进行社会推理并重新识别用户，从而持续优化其社交行为。其次，高效的RAG对话管道能够处理数千轮对话历史，即使历史数据不断增长，也能在保持低延迟的同时确保回复的相关性和准确性。最后，系统通过结构化API协调语音、视觉和物理动作，形成一个完整且可扩展的模块化智能体架构。为了验证ARIS的有效性，研究团队在软银的Pepper机器人上进行了实验，设置了一个机器人介导的双人对话场景，并与一个大语言模型（LLM）基线系统进行了对比。一项包含23名参与者的用户研究表明，与LLM基线相比，ARIS在感知智能、活力、拟人化以及整体喜爱度等关键指标上均获得了显著更高的评分。ARIS的三项主要贡献为社交机器人领域带来了新的可能性：它通过显式的关系建模增强了机器人的社交意识；利用RAG技术实现了高效的长期对话管理；同时提供了一个可扩展且模块化的架构。研究团队表示，ARIS的实现代码将在论文正式发表后以开源形式发布，这将为领域内的进一步研究和应用提供宝贵的资源。