Livia: An Emotion-Aware AR Companion Powered by Modular AI Agents and Progressive Memory Compression

📄 arXiv: 2509.05298v1 📥 PDF

作者: Rui Xi, Xianghan Wang

分类: cs.HC, cs.AI, cs.MM

发布日期: 2025-08-12

备注: Accepted to the Proceedings of the 2025 International Conference on Artificial Intelligence and Virtual Reality (AIVR 2025). \c{opyright} 2025 Springer. This is the author-accepted manuscript. Rui Xi and Xianghan Wang contributed equally to this work. The final version will be available via SpringerLink

💡 一句话要点

提出Livia以解决孤独与社交隔离问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 情感计算 增强现实 模块化AI 记忆压缩 孤独感 个性化支持 多模态交互

📋 核心要点

  1. 孤独和社交隔离对人们的情感和健康造成了严重影响，现有的技术解决方案往往缺乏个性化和适应性。
  2. Livia通过模块化AI代理和多模态情感计算，提供个性化的情感支持，并采用渐进式记忆压缩技术来优化存储。
  3. 用户评估结果表明，Livia显著提高了用户的情感联系和满意度，并有效减少了孤独感。

📝 摘要（中文）

孤独和社交隔离对情感和健康构成重大挑战，促使技术解决方案的发展。本文介绍了Livia，一款情感感知的增强现实（AR）伴侣应用，旨在通过结合模块化人工智能（AI）代理、多模态情感计算、渐进式记忆压缩和AR驱动的具身互动，提供个性化的情感支持。Livia采用模块化AI架构，专门的代理负责情感分析、对话生成、记忆管理和行为协调，确保互动的稳健性和适应性。两种新算法——时间二进制压缩（TBC）和动态重要性记忆过滤器（DIMF）有效管理和优先考虑长期记忆，显著减少存储需求，同时保留关键上下文。用户评估显示情感联系增强、满意度提高，并在孤独感上有统计学显著降低。

🔬 方法详解

问题定义：本文旨在解决孤独和社交隔离带来的情感支持不足问题。现有技术往往无法提供个性化和适应性的互动体验，导致用户的情感需求得不到满足。

核心思路：Livia的核心思路是通过模块化的AI代理和多模态情感计算，结合渐进式记忆压缩技术，提供个性化的情感支持和互动体验。这种设计使得系统能够根据用户的情感状态进行动态调整。

技术框架：Livia的整体架构包括多个模块：情感分析代理、对话生成代理、记忆管理代理和行为协调代理。每个模块负责特定的功能，确保系统能够进行稳健和适应性的互动。

关键创新：本文提出的时间二进制压缩（TBC）和动态重要性记忆过滤器（DIMF）是关键创新。这两种算法有效管理和优先考虑长期记忆，显著减少存储需求，同时保留重要的上下文信息，与现有方法相比具有本质的优势。

关键设计：在设计中，Livia采用了多模态情感检测技术，确保高准确率的情感识别。此外，记忆管理模块通过动态调整存储策略，优化了系统的存储效率和响应速度。

📊 实验亮点

用户评估显示，Livia在增强情感联系和提高用户满意度方面表现出色，孤独感显著降低，统计学上具有显著性。用户特别赞赏Livia的适应性个性演变和真实的AR具身体验，这些结果表明Livia在情感支持领域的有效性。

🎯 应用场景

Livia的潜在应用场景包括心理健康支持、老年人陪伴、社交技能训练等领域。通过提供个性化的情感支持，Livia能够帮助用户缓解孤独感，提升生活质量。未来，Livia还可以扩展到多用户体验和定制硬件实现，进一步增强其实际价值和影响力。

📄 摘要（原文）

Loneliness and social isolation pose significant emotional and health challenges, prompting the development of technology-based solutions for companionship and emotional support. This paper introduces Livia, an emotion-aware augmented reality (AR) companion app designed to provide personalized emotional support by combining modular artificial intelligence (AI) agents, multimodal affective computing, progressive memory compression, and AR driven embodied interaction. Livia employs a modular AI architecture with specialized agents responsible for emotion analysis, dialogue generation, memory management, and behavioral orchestration, ensuring robust and adaptive interactions. Two novel algorithms-Temporal Binary Compression (TBC) and Dynamic Importance Memory Filter (DIMF)-effectively manage and prioritize long-term memory, significantly reducing storage requirements while retaining critical context. Our multimodal emotion detection approach achieves high accuracy, enhancing proactive and empathetic engagement. User evaluations demonstrated increased emotional bonds, improved satisfaction, and statistically significant reductions in loneliness. Users particularly valued Livia's adaptive personality evolution and realistic AR embodiment. Future research directions include expanding gesture and tactile interactions, supporting multi-user experiences, and exploring customized hardware implementations.