人工智能技術的發(fā)展使機器人具備了越來越強大的機制來理解和與世界互動。近些年學者們開始關注研究這類機制，以便機器人在長期的實際環(huán)境中理解人類并與人類互動，從而揭示了學習人類多樣性的機遇和挑戰(zhàn)。

人機交互（Human-Robot Interaction）是一個多學科的領域，旨在理解和開發(fā)支持機器人與人類共存的技術。基于人文主義價值觀，HRI的一個子集是專注于研究提高個人生活質(zhì)量的機器人；此類研究包括醫(yī)療觸覺，康復機器人和社會輔助機器人（SAR）。SAR希望通過結合工程，計算機科學和社會科學來分擔和輔助教育工作者，父母，護理者和臨床醫(yī)生的工作。該領域的研究表明，人和機器人的伙伴關系可以緩解關鍵的健康挑戰(zhàn)，這些挑戰(zhàn)需要社會調(diào)解，個性化的長期支持，例如特殊教育需求，老人護理和康復。人類的學習、發(fā)展和關懷都遵循每個人獨有的非線性軌跡。HRI的個性化計算針對個人用戶不斷變化的需求呈現(xiàn)出現(xiàn)實世界中的復雜性，而機器人和ML研究團體卻在很大程度上避免了這種復雜性。

幸運的是，在大數(shù)據(jù)時代，人機交互非常豐富；人們經(jīng)常與計算模型交互，無論是隱藏在他們最喜歡的數(shù)字媒體網(wǎng)站后面，還是在家里與AI助手進行交互。二十一世紀的用戶，不管是自愿還是不知情，都會用自己的個人數(shù)據(jù)換取“免費”服務。因此，提高生活質(zhì)量的個性化機器人和虛擬代理服務在行業(yè)中正在成為現(xiàn)實-商業(yè)實例，包括基于認知行為療法的治療性聊天機器人Woebot等。但是，在利用這些數(shù)據(jù)以更好地了解人類用戶并與之交互時，仍然存在許多開放的挑戰(zhàn)，包括現(xiàn)實世界數(shù)據(jù)固有的噪音，個人的廣泛需求和偏好，意外的模型偏差、隱私和安全障礙，以及在學習更多個性化或更具普遍性的HRI模型之間進行權衡。為了應對這些挑戰(zhàn)，將多模式，交互式和多任務ML范例應用于實際環(huán)境并對其進行評估至關重要。