综述:面向教育领域的低成本社交机器人设计:一项系统综述

《Frontiers in Robotics and AI》:Low-cost social robot designs for education: a review

【字体: 大 中 小 】 时间:2026年06月30日 来源:Frontiers in Robotics and AI 3.7

编辑推荐:

  社交机器人在全球教育情境中已展现出显著潜力,相关研究表明其在教育场景中的部署能够带来认知与情感层面的积极收益。然而,除其他因素外,商用机器人高昂的成本限制了该研究方向仅限于少数实验室开展,并阻碍了在社交教育场景中的大规模应用,导致多数研究仍停留在短期试点干预层

  
社交机器人在全球教育情境中已展现出显著潜力,相关研究表明其在教育场景中的部署能够带来认知与情感层面的积极收益。然而,除其他因素外,商用机器人高昂的成本限制了该研究方向仅限于少数实验室开展,并阻碍了在社交教育场景中的大规模应用,导致多数研究仍停留在短期试点干预层面。尽管该领域已存在若干综述,但其主要聚焦于应用场景、影响效果与发展趋势,对机器人设计与可负担性之间的关联关注不足。本研究通过系统文献综述方法,识别了教育情境中低成本社交机器人常见的设计特征与功能,以及兼顾有效性与可负担性的设计选择。研究遵循系统综述与荟萃分析优先报告条目(PRISMA)指南,对34篇描述低成本定制社交机器人设计的文献进行了分析。文献检索自Web of Science、Scopus、IEEE Xplore及ACM Digital Library数据库,并采用内容分析法以及描述性与推断性统计方法进行分析。研究发现,基于语音的交互(73.5%)、视觉能力(53%)以及身体部位运动(47%)是支持学习者-机器人交互(LRI)最常被报告的特征。其他特征还包括表情显示、触摸输入与移动能力。虽然3D打印外壳是最常见的解决方案,但胶合板与毛绒玩具等替代低成本材料亦被采用。将智能手机作为集成计算与交互平台的创新方法亦被提出。此外,研究还识别了常用的传感器、执行器与计算平台。本综述为开发兼具有效性与可负担性的社交机器人提供了以设计为导向的视角,并为研究人员揭示了实用的设计权衡策略,特别是在低资源情境中。
1 引言

Mahdi等人(2022)的综合研究识别了社交机器人的若干定义性特质,包括社会诱发性(socially evocative)、社会情境性(socially situated)、社交性(sociable)、社会智能性(socially intelligent)以及社会交互性(socially interactive),即吸引用户参与、感知并回应社交线索以及支持有意义人机交互(HRI)的能力。在本研究中,具备上述一种或多种特质的机器人被视为社交机器人。此类系统日益被视为教育场景中通过社交互动增强教与学的工具。Barakova等人(2023)的元综述指出,多项综述研究一致认为社交机器人具有诸多益处:可提供个性化学习、支持学习者之间的社交互动、通过其多功能交互能力培养创造力、激发积极情感、提供及时反馈,并通过其新颖性激励学习者。以社交机器人在学习过程中发挥核心作用的实证研究报告显示,其对学习者产生了积极的认知与情感影响(Belpaeme et al., 2018),进一步巩固了其应用潜力。

然而,尽管社交机器人教育应用研究已逾二十载,其在课堂等真实环境中的持续全职应用仍十分有限(Barakova et al., 2023)。除真实环境中面临的技术与交互相关挑战外,机器人高昂的成本频繁被援引为可及性与可扩展性的主要障碍(Barakova et al., 2023; Souza et al., 2024; Zakipour et al., 2016)。因此,此类研究仍集中于全球少数研究实验室(Lampropoulos, 2025),且多数现场研究在范围和持续时间上均受限制。

2 研究贡献

社交机器人在教育中的应用是人机交互(HRI)研究中已确立的主题,若干综述与元分析已对该领域进行了综合,涵盖机器人支持的各类教学交互、教育成果以及设计与部署建议(Belpaeme et al., 2018; Woo et al., 2021; Lampropoulos, 2025; Barakova et al., 2023)。尽管部分综述提供宏观概览,另一些则更专注于特定用户群体。例如,Kouroupa等人(2022)与Papakostas等人(2021)的综述聚焦特殊教育类别的用户。然而,这些综述大多关注学习者-机器人交互(LRIs)及其结果,对机器人的构建方式、哪些技术设计选择实现了交互功能,以及这些选择与可负担性、可及性和可扩展性的关系关注较少。Evripidou等人(2020)的研究从技术角度综述了各类教育机器人平台,依据学生编程机器人所需技能进行分类,并强调了教育机器人在学习过程中的预期学习成果,但其中机器人角色为供学生学习科学、技术、工程与数学(STEM)概念的可编程平台,而非通过社交互动增强学习过程。Manna等人(2024)的综述与本研究焦点更为接近,其对STEM教育中使用的机器人的技术特征与教育影响进行了定性考察,评估了具备社交交互特征的机器人,列举了硬件组件(计算单元、传感器与执行器)及参考价格,但除罗列技术组件外,未对机器人的外观特征、功能能力及底层设计方法进行综合分析,而这些在可负担性与可扩展性为核心设计目标时均为关键考量因素。Mahdi等人(2022)的全面综述综合了2020年11月之前发表的344项研究中报告的社交机器人设计与演进,提供了机器人特征、具身形态与应用场景等跨领域详细信息,包括教育领域,但其主要焦点在于社交机器人的广泛特征刻画,而非可负担性或成本约束设计。

本综述在多个重要方面拓展并深化了上述研究。首先,与以往主要关注交互成果的综述不同,本研究以机器人本身为研究单元,对硬件、外观与能力等设计特征进行了系统化且技术导向的综合,这些特征使能了学习者-机器人交互。其次,本研究专门聚焦于定制低成本社交机器人——尽管其对可及性、可扩展性及资源受限教育环境的部署至关重要,但该文献细分领域仍研究不足。通过此举,本综述为现有以交互和成果为导向的综述提供了补充,为旨在教育情境中设计构建自有低成本社交机器人的研究人员提供了可操作的洞见。

3 材料与方法

3.1 研究设计

鉴于本研究目标是考察现有低成本社交机器人的设计特征与能力,文献综述法被视为最适宜的方法论。为最小化偏倚并提升透明度与可重复性,研究人员开展了系统文献综述。研究人员承认存在未在学术出版物中报道的社交机器人设计,但纳入此类设计将降低可重复性并引入额外的方法论复杂性。同时,商用社交机器人常源于研究并在学术研究中应用,但相关硬件与软件文档往往不足以支持跨研究的系统比较。因此,本研究聚焦于同行评审出版物中报道的机器人设计,因其在系统综述范围内提供了可追溯且便于分析的设计信息来源。

3.2 数据库检索

检索在四个数据库中进行:Web of Science(WoS)、Scopus、IEEE Xplore和ACM Digital Library。WoS与Scopus被选中因其更侧重于应用与用户研究,可回应RQ1;IEEE Xplore与ACM Digital Library包含相对更多技术型论文,可回应RQ2。在WoS、Scopus和IEEE Xplore中进行了元数据层面的检索。然而,ACM Digital Library的元数据检索返回了大量不相关结果,因此将检索限制为仅摘要部分。

3.3 质量控制

研究遵循系统综述与荟萃分析优先报告条目(PRISMA)2020指南以确保严谨性与可重复性(Page et al., 2021)。通过Python脚本对所有检索到的文章标题与数字对象标识符(DOIs)进行查重以去除重复项。随后,对唯一文章进行标题与摘要层面的相关性筛选。筛选前已确定以下排除标准:非英文文章;报告孤立机器人组件(如手臂、眼睛、皮肤等)的文章;使用商用机器人的研究;未包含实体机器人的研究;不聚焦于机器人设计的研究;未呈现原创机器人设计贡献的研究(如综述研究、主要报告现有机器人使用而未提供充分硬件和/或软件设计技术细节的研究,或主要设计规格已在其他出版物中报道的机器人);机器人作为工具使用的情况:若机器人主要作为技术学习或编程平台,其任何交互能力(如语音输出或回应)并非为社交参与而设计,仅作为教育或任务目的的可编程输出,则虽可进行交互,但系统并非以社交互动为主要设计目标。

此外,鉴于成本与可负担性的相对性(Salmerón-manzano & Manzano-agugliaro, 2020),研究未设定客观的成本阈值作为纳入或排除标准,而是依据各作者自行声明其机器人设计为低成本/可负担来进行筛选。此方法允许纳入来自不同资源与应用情境的更广泛设计选项。

摘要escalated screening and full-text reviews were conducted independently by two reviewers. Any discrepancies regarding article inclusion were resolved through discussion until consensus was reached. For full-text data extraction, each reviewer used a separate structured extraction matrix coded in a spreadsheet. Inter-rater reliability was assessed on a random 15% subsample based on agreement across the extracted and coded features, yielding a Cohen's kappa of 0.793 (96.15% agreement), indicating substantial agreement.

3.4 分析方法

文章按照以下预设主题进行主题分析:(1)定制机器人设计动因,(2)机器人外观,(3)机器人特征与能力,(4)使用的工具与组件,(5)设计方法,(6)超越实验室测试的验证应用,(7)软件与设计可获取性,以及(8)估算原型成本。为提供额外背景信息,研究还分析了作者所属机构、研究地点和出版物类型等信息。根据提取数据的性质,应用描述性统计(针对定量变量)或内容分析(针对定性数据)进行处理。

4 结果

共从四个数据库检索到235篇文章:WoS 47篇,Scopus 87篇,IEEE Xplore 97篇,ACM Digital Library 4篇。去除重复后保留188篇。经过两轮筛选:(1)标题和摘要筛选排除134篇;(2)全文筛选再排除20篇,最终34篇文章被纳入综述。

4.1 元数据分析与背景概览

4.1.1 出版物类型

大多数被综述研究为会议论文,占62%(n=21),38%(n=13)为期刊论文。13篇期刊论文中,2篇发表于IEEE Access,其余发表于不同期刊。分析表明,工程(n=3)、技术(n=2)和机器人学(n=2)是最常见的期刊主题。

4.1.2 关键词和索引词

经选择性词形还原后,数据集包含325个词汇和163个唯一词形。"robot"(原词为robot(s)或robotic(s))出现频率最高(15.4%, n=50),"interact"(原为interaction或interactive)位居第二(4.6%, n=15),"education"同样频繁出现(4.6%, n=15),其他高频词包括social(4%, n=13)和design(2.5%, n=8)。

4.1.3 作者所属机构

分析显示美国出现频率最高(约11%, n=5),伊朗和印度各占6.5%(n=3),英国、阿联酋、韩国、日本、爱尔兰和厄瓜多尔各占约5.9%(n=2)。

4.1.4 研究地点

绝大多数研究明确陈述了研究开展国家。美国研究数量最多,其次是伊朗和印度。按大陆分析,48%的研究在亚洲进行,26%在欧洲,13%在北美,8.7%在南美洲,4.3%在欧亚地区。没有研究在非洲、大洋洲或南极洲进行。

4.2 设计低成本定制机器人的动因

最常被引用的动因是商用机器人不可负担,阻碍了广泛研究与应用(Polyntsev et al., 2021; Zakipour et al., 2016; Ivanova et al., 2025; Shayan et al., 2016; Nagasawa & Yoshikubo, 2024; Singh et al., 2023; Souza et al., 2024),这在北半球机构中亦然(Polyntsev et al., 2021; Nagasawa & Yoshikubo, 2024)。Wu等人(2016)详细列出了部分商用社交机器人的成本,从数千美元到100万美元不等。另一动因是需要针对特定用例定制机器人,例如Shayan等人(2016)专为中东地区设计了文化适切的社交机器人。

4.3 机器人外观

4.3.1 机器人形态

各研究采用了多种机器人形态,可分为三类:拟人化(全身或部分),指外观类似人类的机器人;动物形态,指外观受非人类动物启发的机器人;以及其他,指不属于前两类的机器人。大多数机器人为拟人化(67.6%, n=23),表明教育情境中更偏好类人外观。动物形态占14.7%(n=5),其他类占17.6%(n=6)。

进一步分析显示,拟人化机器人中43.5%(n=10)为全身人形,56.5%(n=13)为部分拟人化。动物形态机器人中,3个具有猫科外观,1个设计为笼中鹦鹉形象,1个为不特指动物的填充动物。其他类别中,大多数(6个中的5个)为移动或固定底座上的显示屏(其中2个为智能手机),凸显了显示在人机交互中的重要性。

4.3.2 偏好颜色

除整体形态外,研究还分析了拟人化机器人使用的颜色。仅8.7%(n=2)未说明颜色或从图片中无法明确。在其余机器人中,白色是最受欢迎的颜色,无论是作为唯一颜色还是组合色,棕色/木色和蓝色也较常见。大多数报告的色彩组合中均包含白色,仅有1个机器人采用了不含白色的组合(黑金配色)。

4.3.3 尺寸

29.4%(n=10)的研究提供了机器人的至少一个尺寸(高、宽和/或长)。平均尺寸分别为:高度63.3 cm ± 46.6 cm,宽度25.1 cm ± 14.8 cm,长度17.1 cm ± 8.5 cm。

4.3.4 外壳材料

为实现低成本机器人外壳,3D打印是最受欢迎的方法。半数研究使用了全3D打印或部分3D打印外壳。部分3D打印的研究辅以铝合金(Zakipour et al., 2016)、毛绒玩具(Shayan et al., 2016)、钢制部件(Rodríguez-Calderón & Belmonte-Izquierdo, 2022)和金属弹簧(Nagasawa & Yoshikubo, 2024)。其他形成机器人整体或部分外壳的常见材料包括胶合板(Hayosh et al., 2020; Diano & Claveau, 2015; Singh et al., 2023; Petrovi? & Kostrian, 2024)、铝合金(Zakipour et al., 2016; Ruiz-del Solar et al., 2021; Meghdari et al., 2018; Alves-Oliveira et al., 2022)、亚克力板(Al Omoush et al., 2024; Lin, 2022),以及毛绒玩具或毛毡和棉布(Souza et al., 2024; Simut et al., 2016; Shayan et al., 2016)。

4.4 机器人特征与能力

分析显示,73.5%(n=25)的机器人通过语音进行交互,具备语音识别和/或语音合成(文本转语音)能力。53%(n=18)的机器人具有视觉能力,支持面部、物体、颜色、形状和情绪检测/识别以及距离估计等功能。47%(n=16)的机器人能够移动身体部位,如手臂或头部,这些动作对非言语交流至关重要。20.6%(n=7)的研究报告使用动态面部显示(屏幕或投影界面)和LED表达情绪,作为另一种非言语交流形式。

此外,29.4%(n=10)的机器人配有屏幕或智能手机用于显示内容,有时也用于接收触摸输入。其他触摸输入方式包括专用触觉系统和按钮。23.5%(n=8)的研究强调了移动/移动能力,可通过自主或远程操作实现。20.6%(n=7)的机器人能够播放音频文件/声音。值得注意的是,包括语音和视觉处理在内的若干高级功能通常依赖云服务,因此联网能力被报告为一项独立且重要的特征。

4.5 使用的工具和组件

4.5.1 计算平台

除1项研究外,其余均指定了计算平台。约30.3%(n=10)仅依赖Raspberry Pi作为主处理单元,21.2%(n=7)仅使用Arduino微控制器。4项研究(12.1%)同时使用Raspberry Pi和Arduino,其中Arduino处理传感器和执行器的低级控制,Raspberry Pi单板计算机(SBC)作为主处理器管理AI和深度学习功能(如面部、图像、语音和情绪识别)、云连接和图形用户界面(GUI)等资源密集型任务。

除Raspberry Pi外,Latte Panda、NVIDIA Jetson Nano和NXP i.MX6主板各有1项研究使用。其他7项研究使用外部笔记本电脑或台式机进行处理。最后,2个机器人使用智能手机作为主处理单元。

4.5.2 传感器

70.6%(n=24)的机器人包含用于视觉能力的摄像头,根据需求使用2D(RGB)或3D(RGB-D)摄像头。44.1%(n=15)使用麦克风进行音频输入。具有障碍物检测能力的机器人使用超声波和/或红外传感器,其他提及了接近传感器、声纳和飞行时间(ToF)传感器。

此外,若干研究使用UM7-LT、MPU6050六轴IMU、陀螺仪和加速度计进行平衡和方向检测;X-box 360摇杆、电机编码器和弯曲传感器用于角度和方向输入;LiDAR用于导航;力敏电阻器(FSR)和电容传感器用于触摸检测;运动传感器用于手势识别。对于包含智能手机或平板电脑的机器人,设备内置传感器亦被利用。

4.5.3 执行器

关于运动,伺服电机被广泛使用,从标准伺服电机到直流电机,以及Dynamixel电机。音频输出使用不同规格的扬声器,有时通过音频放大器驱动。视觉输出通常依赖LED,用于简单视觉提示或显示面部表情和情绪。部分机器人还采用了微投影仪来渲染3D面部表情。此外,2项研究报告在机器人身体部位使用形状记忆合金(SMA)作为人造肌肉。

4.6 设计方法

91.2%(n=31)的研究强调了所采用的设计方法。部分研究采用参与式设计方法,让预期用户参与概念化、设计和原型测试。其他研究报告文献综述是需求和设计特征的重要来源。约42%的研究将机器人开发描述为主要基于实验室的项目,无外部参与式输入。

4.7 验证应用

约59%(n=20)的研究报告了其机器人在真实应用场景中的部署。其中70%(n=14)在教育领域,其他显著领域包括健康和一般交互。进一步分析显示,教育场景中约43%(n=6)与有特殊需要的儿童互动,包括自闭症谱系障碍(ASD)、注意缺陷多动障碍(ADHD)以及接受癌症治疗的儿童。在教学应用方面,6个机器人(43%)被部署于STEM和/或语言学习的辅导。

4.8 软件和硬件设计可获取性

34个机器人中,26.5%(n=9)提供了完整的硬件设计并开源了软件;3个(8.8%)既不提供硬件设计也不开源软件;29.4%(n=10)描述了硬件架构但使用闭源软件;其余机器人具有不同程度的硬件描述和软件可获取性。

4.9 估算原型成本及相关分析

53%(n=18)的研究明确报告了原型总成本。其中约72%(n=13)成本低于1000美元,最便宜的总成本为25.33美元。进一步分析显示,半数机器人成本低于475美元,中位值为474.8美元,但均值为1865.3美元,表明少数较昂贵的机器人推高了整体平均成本。四分位距(IQR)为1690.1美元,标准差为2903.2美元,进一步突显了价格的差异性。

通过Kruskal-Wallis检验评估机器人形态、计算平台、研究区域以及软件和/或硬件开放程度对成本的影响。未发现成本与形态(p=0.29; ε2=0.04:小效应)、研究区域(p=0.11; ε2=0.20:中等效应)、主计算平台选择(p=0.06; ε2=0.32:大效应)以及软件或硬件设计可获取性(p=0.85; ε2=0.00:可忽略效应)之间存在统计学显著关联。但考虑到样本量较小,这些结果仅为探索性,应谨慎解读。

5 讨论

本研究通过系统文献综述,识别了教育情境中低成本社交机器人常见的设计特征与能力,以及确保这些能力同时维持可负担性的设计方法和权衡。与以往主要综合教育成果或交互范式的综述不同,本分析将可负担性作为设计约束前置考察,并审视技术实现选择如何影响社交机器人在大规模部署中的可行性。这一视角对低资源教育情境尤为相关,其中成本、可制造性和可维护性与交互质量同等重要。

5.1 机器人外观

研究结果表明,设计者在机器人形态方面拥有相当的创作自由。虽然大多数机器人为拟人化,但动物形态和其他非拟人化设计也有相当代表性。拟人化机器人中超过半数并非完全人形,表明研究人员可根据目标人群和预期用户特定特征创新确定最适宜的机器人形态。

尽管形态与成本之间无统计学显著关联,但所有动物形态机器人成本均低于700美元。基于智能手机的机器人通常在500美元左右(不含手机本身)。在拟人化机器人中,人形设计在成本谱系两端均有出现,而部分拟人化机器人分布类似。这表明成本差异更多由具体设计特征和组件驱动,而非形态本身。因此,研究人员不应假设任何特定形态类别必然比其他类别更昂贵。

研究识别了几项与机器人外壳相关的显著创新。随着3D打印技术日益普及,许多机器人设计采用此方法实现低成本且视觉吸引力的外壳。毛绒动物的使用也是一个有趣的选项,此类材料易于获取且相对便宜,即使定制制作亦然。毛绒基外壳可大规模复制,同时允许轻松接触内部组件以进行维护。根据情境和教学需求,研究人员还可创建同一机器人设计的多种变体以吸引不同学习者群体。总体而言,机器人外壳虽需审慎且基于研究的设计,但不应成为成本攀升的主要驱动因素。相反,鼓励使用广泛可获取、本地采购的材料,以最小化成本并支持可扩展性。

关于颜色的观察亦值得attention。白色、棕色和木色在机器人设计中占主导地位。虽然可能将这些偏好与研究开展的文化或区域背景联系起来,但综述文章未明确讨论这一点。白色在机器人设计中的普遍性与Sparrow(2020)的发现一致,其评估了机器人是否具有"种族":在Anthropomorphic roBOT(ABOT)数据库的125个"类人"机器人中,72%主要为白色。机器人颜色之所以重要,是因为机器人表面颜色可能影响内隐刻板印象假设(Barenbrock et al., 2024)。Barfield(2021)的研究直接将机器人颜色与其感知智能和可信度相关联,白色机器人更受欢迎作为医生和小学教师。在教育情境中,这些假设可能影响学习过程。由于多项研究报告采用参与式设计并从预期用户处获取需求,颜色偏好可能因情境而异。因此,不同社会文化情境中的参与式设计可能产生不同的设计偏好。

关于机器人尺寸,平均高度63.3 cm表明偏好1米以下的机器人。这可能反映了大多数机器人面向儿童用户设计,较小、较不具压迫感的具身形态通常被认为更适合且更易接近(Podpe?an, 2023)。此外,较大的机器人通常更难建造且成本更高。

5.2 常用特征和组件

识别机器人应具备的特征至关重要,因为这些选择直接影响有效性和成本。Mahdi等人(2022)界定的"社交机器人"特质包括社交性、社交互动和社交智能。与此一致,研究发现基于语音的交互是最常见的特征,涵盖语音识别和合成,支持与学习者的自然口头交流。视觉能力也频繁报告,支持通过视觉线索进行交互,实现面部、物体、颜色和情绪识别以及导航距离估计。值得注意的是,语音和视觉功能通常通过基于云或独立软件解决方案实现,使这些交互能力得以在不过度增加原型硬件成本的情况下实现。

身体部位运动能力也频繁报告为重要特征。有趣的是,此类运动更多与非言语交流相关——这是交互的关键(Wolfert, 2024),而非执行手动任务。另一项增强HRI的特征是屏幕显示内容的能力,这支持非言语沟通和辅助学习材料的视觉化,是辅导机器人的常见做法。

上述特征使用规格各异的类似设备实现。传感器和执行器的选择主要由具体能力需求指导,有助于控制机器人成本。关于显示的一个有趣实践是:部分机器人采用嵌入式LCD屏幕,部分依赖附加智能手机,少数将内容投影到外部显示器。因此,根据预期用例和可用资源,可选择适当的显示模式。

将智能手机转化为机器人的方法也 emerged as an innovative and effective approach。它允许利用设备上现成的传感器、执行器和应用程序,还可开发安装额外应用或远程访问。根据规格,智能手机可提供充足到大量的处理能力以支持广泛功能。研究人员应进一步探索此选项,因智能手机广泛可及(Theonest et al., 2024),使此类解决方案在学校场景之外亦具备可行性和可扩展性。此外,由于大多数人已熟悉操作智能手机(Theonest et al., 2024),学习曲线和维护负担显著降低。

关于计算平台的选择,研究揭示了另一可能影响成本的关键组件。当用例不涉及超出低级传感器和执行器控制的复杂功能时,微控制器(如Arduino)通常足够,且是更具成本效益的选择。在此类情况下引入SBC(如Raspberry Pi)可能不必要地增加系统成本和复杂性。然而,对于需要高级处理(如AI功能、云连接或GUI)的应用,SBC更为合适。许多设计中可采用的组合架构是微控制器处理实时控制任务,SBC支持计算密集型操作。

5.3 机器人成本与可负担性

可负担性是相对概念,不仅取决于可用资源,还取决于被视为合理支出的程度。这在本综述中显而易见:Sanpo(25.33美元)和HBS-1(10000美元)均被其开发者描述为低成本。尽管如此,近四分之三的机器人成本低于1000美元的事实,对低资源情境中的研究实验室而言是积极的。这与低成本和开放硬件技术日益普及以改善资源受限情境中科学和教育设备可及性的趋势相符(Wenzel, 2023; Maina et al., 2016)。

5.4 软件与硬件设计可获取性

超过25%的综述研究描述了具有开源硬件和软件的机器人,而大多数其余研究提供了不同程度的硬件设计规范和软件可获取性。仅3项研究未提供足够的硬件设计细节或开源软件以进行有意义的技术比较。这种开放程度降低了机器人设计开发的进入门槛,也促进了机器人功能的进步,因为具有不同专业知识和资源的实验室可以基于现有硬件和软件进行构建和扩展。

5.5 学习者包容性

包容性是教育技术设计中的重要考量。值得注意的是,约26.5%(n=9)的机器人明确面向有特殊需要的学习者,包括自闭症谱系障碍(ASD)、注意缺陷多动障碍(ADHD)、需要手语支持的学习者、癌症患儿和难民群体。这些机器人采用了多种交互能力,如基于语音的通信、表情显示、用于非言语交流的身体部位运动、显著社交线索和基于视觉的感知。部分情况下,基于云的服务被用于通过AI模型支持更高级的功能。虽然本综述未按目标用户群体对机器人进行分类,但这些发现表明所识别的设计特征和能力亦适用于专门化教育情境。

5.6 对低资源情境研究人员的启示

本综述的发现可为低收入和中等收入情境中工作的研究人员提供有益洞见。尽管承认可负担性因情境而异,但综述中的机器人相对于许多商用替代品而言成本较低,可能支持更大的可及性。此外,本综述概述了一系列设计选项和考量,可支持使用商用现成组件和本地可用材料进行外壳制作来开发定制机器人。虽然3D打印技术日益普及,但由于设备材料成本、维护需求和基础设施限制,其在低中等收入情境中的可及性仍不均衡(Olatunji et al., 2023)。因此,将智能手机转化为机器人或使用毛绒动物和胶合板制作外壳等实际替代方案可能更适合此类情境。

在设计方法方面,部分综述研究报告在设计阶段就让预期用户参与,这对于识别指导设计规格并影响用户接受度的具体需求至关重要。在可行的情况下,这种参与式设计方法可能是有益的,因为针对性是实现低成本且有效机器人设计的核心。这在需求可能显著不同的多样化教育情境中尤为相关。

进一步情境化考虑,对于坦桑尼亚等拥有超过18,000所公立学校的国家而言,若要在教育领域采用和扩展社交机器人,可能需要额外的创新和创造力。此外,虽然本研究提供了实现低成本机器人设计的多种途径,但更广泛的情境挑战也必须考虑,包括可靠的互联网连接、稳定的电力供应以及用于连接和数字服务的充足预算分配,这些都是可持续部署的重要考量(Rutatola et al., 2025)。

5.7 教育领域低成本社交机器人的未来趋势

相对于其能力而言,综述机器人的成本前景乐观。趋势显示,构建定制机器人所需的现成硬件组件价格正在下降且日益普及(Fezari et al., 2025; Balbuena et al., 2026)。3D打印的民主化增强了定制化和生产能力(Fang et al., 2026),常用外壳材料的创新使用也是重要里程碑。此外,基于云的AI服务利用增加,以及离线(本地)模型日益普及,表明无需显著增加硬件需求即可实现高级功能。云服务允许将计算从机器人端卸载,而本地模型使低成本硬件具备一定程度的自主性。

因此,这些趋势表明社交机器人可能变得日益有效、可及和可扩展,即使在低资源情境和多样化教育需求中亦然。结果,更广泛的教育环境可能成为部署和实验的可行场所,包括更长期的野外部署。这可能显著有益于HRI研究社区,通过从目前探索不足的情境中获取更丰富和多样化的经验。

6 结论、局限性与未来工作

本综述回应了两个研究问题。关于RQ1,研究发现常见的机器人特征和能力包括基于语音的交互、视觉、身体部位运动、内容和表情显示、触摸输入,以及部分情况下的移动能力。关于RQ2,研究识别了确保定制机器人保持低成本的几种方法,包括使用3D打印外壳等创新和可及的外壳设计;利用与预期需求相符的现成传感器、执行器和计算组件;以及将智能手机外部整合为机器人以利用其内置计算、传感器和执行器。这些发现共同表明,即使在低资源情境中,研究人员也能设计适合研究和实际应用的平价定制机器人。

本研究存在若干局限性。首先,聚焦系统可检索的已发表作品可能导致遗漏未在学术文献中记录的机器人设计。检索限于四个主要学术数据库,未包括灰色文献或额外数据库。其次,将检索限制于教育情境可能排除了为其他领域开发的创新设计。此外,纳入要求研究在论文自身中提供充分的硬件和软件设计技术细节,导致主要报告现有机器人使用、援引其他出版物获取关键设计细节或提供有限技术描述的研究被排除。最后,尽管聚焦同行评审出版物,纳入研究在硬件和软件规格详细程度上存在差异,可能限制了某些方面的比较深度。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号