人形机器人要建立自然、可信的交互，需要具备连贯且可适应的个性。然而现有方法多采用静态预设身份，缺乏针对用户上下文的灵活性。针对这一缺陷，来自国际研究团队（由Peizhen Li等人撰写）近日在arXiv上提交了一篇论文，提出了PACE（Persona Adaptation through Conversational Elicitation）框架。该框架通过对话主动引导用户提供信息，动态生成结构化的、基于心理学的个性，并在Ameca人形机器人上工程落地。论文于2026年7月17日提交，共8页5张图，并附带视频演示。
PACE的核心由两个阶段构成：交互式个性引导管道（Interactive Persona Elicitation Pipeline）和个性提示编译阶段。在第一阶段，机器人通过与用户进行多轮问答，收集关于用户偏好、价值观、沟通风格、兴趣等多维度的信息。这些信息涵盖心理学中多个个性维度，从而为后续个性化建模提供丰富素材。第二阶段将这些信息编译成结构化的个性提示（persona prompt），该提示建立在多视角维度之上，能够全面刻画机器人的预期行为表现。
为了将这种结构化规范转化为实际的人形机器人行为，论文详细描述了身体化系统集成过程。Ameca机器人配备了先进的面部表情、语音合成和肢体运动控制模块。生成的个性提示被嵌入到行为生成系统中，驱动机器人执行一致且个性化的面部表情、语音语调、手势和姿态。这使得机器人能够在连续交互中表现出与个性设定相符的社交信号，例如在对话中保持特定的友好度或严谨性。
研究团队开展了一项全面的人机交互实证评估，将PACE生成的动态个性与通用基线进行对比。实验招募了多名参与者，测量指标包括用户信任度、感知拟人化、个性一致性、个人相关性以及整体交互质量。统计分析结果显示，动态生成的个性在所有指标上均显著优于静态基线。参与者报告说，他们感觉机器人更“懂自己”，互动过程更加自然、沉浸。
这项工作为解决人形机器人个性部署的可扩展性问题提供了一条可行路径。未来，个性化、交互式、可靠的机器人助手有望在客服、教育、陪伴等场景中广泛应用。论文还提供在线视频演示，展示Ameca机器人如何通过对话快速构建并展现出从热情外向到冷静专业的不同个性特征。