绘制社交物理人机交互（spHRI）的增长：一项由小语言模型增强的系统综述流程

# 绘制社交-物理人机交互（spHRI）的增长图谱：结合小语言模型的系统性综述流程

来源：https://arxiv.org/html/2606.26382
\DocumentMetadata

pdfversion=2.0，pdfstandard=ua-2，testphase=phase-III，firstaid，math，title\setcctypeby

（2025年12月8日）

###### 摘要。

社交-物理人机交互（spHRI）在机器人学、人机交互、人机交互和触觉学领域迅速发展。然而，术语的碎片化和方法论的不一致使得系统性综合变得困难。为了支持可扩展的综述实践，我们评估了小语言模型（SLM；参数≤1.5B）在大型spHRI系统性综述中辅助标题与摘要筛选的程度。虽然没有任何SLM能达到人类审稿人的表现，但这些模型在本地运行，筛选论文的速度快了几个数量级。SLM集成模型共同识别出了39篇被审稿人遗漏的论文，占最终相关数据集的10.29%。这些结果表明，SLM可以增强而非取代专家审稿人，并使大规模文献综述变得可及且可持续。

社交触觉、人机交互、人工智能辅助文献综述、标题与摘要筛选、低资源模型部署

††copyright:cc††doi:10.1145/3776734.3794506††journalyear:2026††isbn:979-8-4007-2321-6/2026/03††conference:第21届ACM/IEEE国际人机交互会议配套论文集；2026年3月16-19日；英国苏格兰爱丁堡††booktitle:第21届ACM/IEEE国际人机交互会议配套论文集（HRI Companion '26），2026年3月16-19日，英国苏格兰爱丁堡††ccs:计算方法 自然语言处理††ccs:人本计算 交互范式††ccs:信息系统 文档过滤

## 1. 引言

一张折线柱状图，展示了1992年至2025年间每年发表的社交-物理人机交互（spHRI）论文数量。灰色柱状图代表每年的论文数量，从1990年代初接近零增加到2025年的80多篇。一条带有圆形标记的红线追踪了每年的数量，显示虽有波动但总体呈上升趋势。一条平滑的紫色曲线覆盖在数据上，表明广义加性模型拟合呈现上升轨迹并带有阴影置信带。图表上的文字报告R方为0.969，广义交叉验证（GCV）为31.756。

图1. 1992-2024年社交-物理人机交互（spHRI）研究的年度发表数量。粉色柱状图显示每年收录的论文数，红色虚线表示原始年度计数。拟合了广义加性模型（GAM；紫色实线）以估算潜在趋势，阴影区域表示95%置信区间。

社交-物理人机交互（spHRI），一个研究以社交意图为主要目标的人机物理交互的子领域，在机器人学、人机交互（HRI）、人机交互（HCI）和触觉学社区中日益受到关注[RT2-mejia2017bibliometric; RT3-wang2023research; spHRI8-van2015social; spHRI10-tsirka2025touch; spHRI11-paterson2023social; spHRI13-shiomi2020survey; spHRI9-huisman2017social]（见图1 (https://arxiv.org/html/2606.26382#S1.F1)）。这些交互包括情感触觉、触觉反馈、具身情感表达等物理模态，以及注视和言语交流等非触觉模态。然而，尽管具有相关性，spHRI领域仍存在术语碎片化和学科孤岛问题，限制了系统性的知识积累和跨研究比较分析。文献反映了这种碎片化，因为spHRI相关主题是从不同的学科视角来探讨的[NVC2-saunderson2019robots]，导致在HRI、HCI、情感计算和医疗保健等领域缺乏统一的词汇。术语的不一致使得比较研究、分类交互类型或一致地解释结果变得更加困难[NVC2-saunderson2019robots; spHRI8-van2015social; spHRI9-huisman2017social; spHRI13-shiomi2020survey]。例如，一项关于HRI中非语言交流的调查广泛探讨了机器人触摸的影响，但并未明确提及spHRI构念[NVC2-saunderson2019robots]。

现有调查通常主要关注与机器人的直接人际接触，而忽略了与机械物体（robjects）、物理界面、可穿戴设备或触觉设备的交互[NVC2-saunderson2019robots; spHRI13-shiomi2020survey; spHRI10-tsirka2025touch; spHRI9-huisman2017social]，导致对spHRI的理解和分类存在空白。为了解决这些空白，我们启动了一项大规模的系统性文献综述，从机器人学、HRI、HCI及相关领域的超过13万篇候选出版物中筛选。该综述旨在澄清概念基础并描绘spHRI研究的方法论图景。然而，现代文献的规模给人类审稿人带来了关键瓶颈。全面的标题和摘要筛选（一个早期但必不可少的阶段）可能耗费大量时间，令人望而却步。大型语言模型（LLM）正越来越多地被探索用于此任务，但大多数需要云端访问、大量计算资源[SUSTAIN1-strubell2019energy]，因碳足迹和专有性不透明引发伦理担忧[SUSTAIN2-bender2021dangers]，或因成本高昂导致可及性问题[SUSTAIN2-bender2021dangers]。

因此，在这份最新突破报告（LBR）中，我们研究开源、轻量级的小语言模型（SLM）——可在消费级硬件上本地运行——如何支持可及且环境负责的系统性综述，作为一种支持性筛选辅助工具，同时不牺牲准确性。具体来说，我们提问：SLM在多大程度上可以作为一个可靠的二次通过过滤器，在标题和摘要筛选中找回遗漏的相关论文？我们不将SLM视为人类审稿人的替代品。性能比较用于评估SLM的可靠性。为了回答我们的研究问题，我们对SLM与人类审稿人进行基准测试，并测试其实用性、精确性、保守性以及在大型综述工作流程中作为辅助筛选工具的潜在作用，通过检验以下假设：

- H1：spHRI表现出持续的增长，符合一个新兴子领域的特征。
- H2：至少有一个小语言模型（SLM）在将摘要分类为相关或不相关方面表现与人类审稿人相当，在α=0.05水平下，分类结果无统计学显著差异。
- H3：一个表现良好的SLM将在标题和摘要筛选中识别出至少5%被人类审稿人遗漏的相关论文，表明其可作为次级审稿人使用。

## 2. 相关工作

先前在HRI[NVC2-saunderson2019robots]、HCI[spHRI8-van2015social]和触觉学[spHRI9-huisman2017social]社区的工作已经探索了人类与机器人之间各种形式的物理交互。然而，这些工作通常将物理接触视为一种模态，而非一个独特的研究领域。因此，spHRI在概念上仍然发展不足。直到最近，研究人员才开始更明确地关注spHRI[spHRI13-shiomi2020survey; spHRI11-paterson2023social]。触觉学[spHRI9-huisman2017social]和机器人非语言交流[NVC2-saunderson2019robots]方面的基础性调查讨论了机器人发起或接收的触摸，但很少用明确的社会或关系术语来定义它。

更近期的综述试图解决这一局限性。例如，spHRI13-shiomi2020survey调查了HRI中的各种触摸模态，但仅提供了高层级分类法。spHRI10-tsirka2025touch提供了关于机器人触摸（包括情感结果）的全面系统综述，但未提出一个统一的spHRI理论框架。诸如方向性（谁发起触摸）、形态（机器人 vs. 物体）和目的（情感性 vs. 功能性）等关键要素在不同研究中的定义仍然不一致。此外，与机器人界面、可穿戴系统和机械物体的交互常常被排除在外，限制了可推广性和分类法的发展。与此同时，现代学术产出的规模对全面的文献综合构成了实际障碍。传统系统性综述虽然方法论严谨，但需要大量人力投入，并常在发表时已显过时。因此，研究人员已开始使用大型语言模型（LLM）来协助系统性综述流程的不同阶段[LLMSR27-bayani2025leveraging; LLMSR7-lieberum2025large]。最常见的应用包括标题/摘要筛选[LLMSR1-castillo2023leveraging; LLMSR2-thode2025exploring; LLMSR5-khraisha2024can]、全文审阅[LLMSR5-khraisha2024can]、数据提取[LLMSR5-khraisha2024can]、问题制定、检索策略优化[LLMSR10-marassi2025comparing]、摘要生成[LLMSR12-yun2023appraising]和科学写作。此外，市场上存在许多基于AI的商用工具来支持文献综述[LLMSR3-silva2025enhancing]。特别是基于GPT的模型，因其泛化能力和高准确性而被广泛使用[LLMSR4-sujau2025accelerating; LLMSR5-khraisha2024can; LLMSR13-felizardo2024chatgpt; LLMSR6-zimmermann2024leveraging]。

然而，许多LLM是基于云端的、计算成本高或环境不稳定[SUSTAIN2-bender2021dangers; SUSTAIN1-strubell2019energy]，带来了可及性和伦理问题。作为替代方案，SLM已成为一种轻量级、可本地部署的解决方案。虽然存在许多开源LLM，但大多数仍然规模适中（70亿+参数），通常需要专门的硬件才能高效部署[qin2025empirical]。这种计算开销对于许多HRI研究实验室来说仍然是一个障碍。因此，我们研究具有15亿参数或更少的SLM，它们可以在消费级台式机上本地运行，并实现更可及、可扩展和可持续的综述过程。尽管在系统性综述背景下对SLM进行基准测试的研究较少[LLMSR2-thode2025exploring; LLMSR4-sujau2025accelerating]，但早期证据表明LLaMA和Mixtral等模型可以表现优异[LLMSR2-thode2025exploring; LLMSR4-sujau2025accelerating; LLMSR5-khraisha2024can; LLMSR13-felizardo2024chatgpt]。尽管如此，大多数现有基准测试集中在生物医学或软件工程领域，而非HRI。

据我们所知，之前没有任何工作进行了跨越HRI、HCI、触觉学和机器人学的spHRI全面系统性综述。考虑到该文献的数量、多样性和概念细微差别，我们认为spHRI应被认定为HRI内部的一个独特子领域，拥有自己的框架、分类法和设计挑战。同时，跨学科研究的日益增长的规模要求更可及、高效和透明的综述方法。虽然LLM已开始在其它领域支持系统性综述，但SLM在HRI背景下的评估仍然不足。它们减轻审稿人负担和使系统性综述民主化的潜力，使其成为扩展我们领域包容性研究实践的重要工具。综合来看，以往的调查既未能提供统一的spHRI概念或方法论说明，也未能扩展到当代的出版数量。这项工作弥补了这两个空白。

## 3. 方法

我们遵循了预先注册[BlockMohanChen2025_spHRI_OSF]的PRISMA工作流程[page2021prisma]，并评估了四个本地部署的SFqwenLM（单独和作为一致性集成模型），作为标题/摘要筛选的二次通过辅助工具（图2 (https://arxiv.org/html/2606.26382#S3.F2)）。

### 综述方法

我们将符合条件的系统定义为具身化的物理机器人或智能体，它们展现出自主的、可重新编程的或响应式行为，以进行具有社交意义的物理交互。这些系统包括人形机器人、治疗性机器动物、移动服务机器人和可穿戴机器人设备。我们排除了缺乏自主控制、反馈或人-智能体物理交互的被动或非具身化系统。记录从PubMed、IEEE Xplore、Scopus、ACM数字图书馆以及涵盖机器人学/HRI/HCI/触觉学领域的主要学术数据库中检索。最终的检索查询语句经过改进，并使用种子论文（例如[block_softness_2019; lc_sit_2024; stiehl2005design]）进行测试，以捕捉spHRI相关研究。查询包含以下布尔术语：（robot OR agent OR bot OR object OR wearable） AND （touch OR haptic OR tactile OR physical OR embodied） AND （social OR affective OR emotional OR trust OR motivation OR engagement OR empathy OR support）。鉴于结果集按相关性排序且规模极大，我们以降序相关性导出记录，直到产出下降，即连续500条记录通过快速标题/摘要筛选被判定为超出范围（例如，IEEE Xplore：21,270 → 5,499条被导出）。相关领域的先前综述通常从大约1,000篇候选论文开始[spHRI9-huisman2017social; spHRI10-tsirka2025touch]。检索日期范围为2025年6月2日至2025年10月20日。所有检索到的记录均导入Covidence[babineau2014product]，该工具自动去重了44,687条。数据集大小、去重和标注程序总结于图2 (https://arxiv.org/html/2606.26382#S3.F2)；为了评估，我们将“是/可能”视为相关，“否”视为不相关。

### SLM审稿人实现

为了评估SLM支持早期筛选的程度，我们评估了四个开源、轻量级的SLM：Llama3.2（10亿参数）、Gemma3（10亿）、Qwen3（6亿）和DeepSeek-R1（15亿）。这些模型因其参数规模小且无需云基础设施即可本地运行而被选中。所有模型均使用Ollama框架[marcondes2025using]在配备Intel i5-13600K CPU、NVIDIA RTX4070 GPU（12GB显存）和32GB系统内存的商用台式计算机上本地运行。我们开发了一个Python脚本来与Ollama API交互。该脚本向模型发送一个结构化的提示，描述综述目标、纳入/排除标准以及论文标题和摘要。我们还向模型提供了用于优化检索查询的种子论文。然后，每个模型返回一个二进制的纳入/排除决定。所有SLM均使用其默认参数设置执行。

### SLM审稿人实现

我们使用一致性（集合交集）规则聚合来自四个SLM的预测：只有当所有SLM都预测“是”时，论文才会被标记。这个集成规则故意保守，减轻了来自具有高假阳性率（FPR）的单个模型的假阳性，并使手动重新筛选的子集保持较小规模。然后，两位人类审稿人对标记的子集进行重新筛选，每位