Not Forgotten: Implementation and Evaluation of a Personalized Episodic Memory for the Humanoid Robot Head Kim

📄 arXiv: 2607.24190v1 📥 PDF

作者: Steve Aschenbrenner, Marcel Heisler, Thomas Sievers, Christian Becker-Asano

分类: cs.RO, cs.AI, cs.HC

发布日期: 2026-07-27

备注: Acceoted at the 35th IEEE International Conference on Robot and Human Interactive Communication (RO-MAN 2026) Kitakyushu, Japan

💡 一句话要点

提出个性化情节记忆模块以增强人形机器人Kim的社交能力

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 社交机器人 情节记忆 人机交互 大型语言模型 语义检索 信任感 温暖感 个性化回忆

📋 核心要点

  1. 现有社交机器人无法跨会话保留信息，导致无法满足用户的社交期望，影响人际关系的建立。
  2. 提出了一种轻量级的情节记忆模块，结合语义检索与对话生成，增强机器人对用户历史互动的记忆能力。
  3. 实验结果显示，情节记忆显著提升了用户对机器人的信任感和温暖感，且未引发负面情绪反应。

📝 摘要（中文）

社交机器人在对话中依赖大型语言模型，但无法跨会话保留信息，这一缺陷违背了社交期望，阻碍了持久关系的形成。本文提出了一种轻量级的情节记忆模块，将基于向量的语义检索与大型语言模型控制的对话系统相结合，应用于人形机器人Kim。该模块采用混合评分函数，结合余弦相似度和记忆强度指标，以检索上下文相关的过去互动并将其注入生成提示中。通过一项基于视频的在线研究进行评估，结果表明情节记忆显著提高了感知的社交性，尤其在信任度和温暖感方面效果显著，且未引发隐私相关的不适感，表明个性化回忆在具身人机交互中起到了社交润滑剂的作用。

🔬 方法详解

问题定义：本文旨在解决社交机器人在对话中无法跨会话保留信息的问题。现有方法缺乏记忆能力，导致用户无法建立持久的社交关系。

核心思路：论文提出的情节记忆模块通过结合向量语义检索与大型语言模型，能够有效地存储和回忆用户的历史互动，从而提升机器人在对话中的社交能力。

技术框架：系统架构包括三个主要模块：1) 记忆存储模块，用于存储用户的历史互动；2) 语义检索模块，基于余弦相似度和记忆强度检索相关信息；3) 对话生成模块，将检索到的上下文信息注入生成提示中。

关键创新：最重要的技术创新在于混合评分函数的设计，结合了余弦相似度和记忆强度指标，能够更准确地检索与用户互动相关的记忆信息，与现有方法相比，显著提升了记忆的相关性和有效性。

关键设计：在参数设置上，记忆强度的计算考虑了时间衰减和互动频率，损失函数则优化了生成的对话质量，确保机器人能够在对话中自然地融入历史信息。整体网络结构采用了模块化设计，便于后续的扩展与优化。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，情节记忆模块显著提高了用户对机器人的感知社交性，信任度提升效果为d = 0.62，温暖感提升为d = 0.56，且未引发隐私相关的不适感（d = 0.00），表明该方法有效且安全。

🎯 应用场景

该研究的潜在应用领域包括社交机器人、智能助手和人机交互系统等。通过增强机器人的记忆能力，可以提升用户体验，促进人与机器人之间的情感连接，未来可能在教育、医疗和家庭陪伴等场景中发挥重要作用。

📄 摘要（原文）

Social robots that rely on large language models for conversation are unable to retain information across sessions. This absence of memory violates social expectations, potentially preventing the formation of persistent relationships. This paper presents a lightweight episodic memory module that integrates vector-based semantic retrieval with an LLM-controlled dialog system, deployed on the humanoid robot head Kim. The module employs a hybrid scoring function combining cosine similarity with a memory strength metric to retrieve contextually relevant past interactions and inject them into the generation prompt. The system was evaluated in a within-subjects video-based online study (N = 43) using the Human-Robot Interaction Evaluation Scale (HRIES). Results show that episodic memory significantly increased perceived sociability (d = 0.60, p < .001), with the strongest effects on perceived trustworthiness (d = 0.62) and warmth (d = 0.56). Perceived disturbance remained unchanged (d = 0.00), indicating that the implemented approach to personalized recall did not trigger privacy-related discomfort or uncanny valley effects. These findings suggest that episodic memory serves as a social lubricant in embodied Human-Robot Interaction, enhancing relational quality without eliciting negative affective responses.