核心技术：TeachingBot自适应机器人教学系统 - 系统通过物理交互，手把手地、循序渐进地教人类学习者书写汉字[2] - 系统能真正看懂每个人独特的书写习惯，并据此进行教学[2] - 研究团队来自香港岭南大学数据科学学院、新加坡国立大学计算机学院以及生物医学工程系[2] - 核心技术目标是让机器人获得两种人类教师的顶级能力：一是阅读并理解学生个性化笔迹的能力，二是提供恰到好处、动态调整的物理指导能力[4] 技术原理：个性化建模与动态引导 - 教学前通过高精度传感器记录学习者自由书写时的笔尖运动轨迹，进行摸底[5] - 运用结合高斯混合模型与高斯过程回归的概率模型，分析书写轨迹，生成独家的个人笔迹概率模型[5] - 从标准汉字中提取关键骨架点，并以个人笔迹模型为起点，利用GMR-GP算法生成一条平滑、渐进的个性化引导轨迹[6] - 机械臂装备可变阻抗控制算法，实现动态力道调节[6] - 初始辅导力度根据学习者字迹与标准字的平均偏差进行智能设定[7] - 在运笔过程中，根据偏离轨道的程度动态调节辅助力道，在关键骨架点提供精准辅助，在非关键路段允许自由发挥[7] 实验验证：效果与优势 - 总计30名背景各异的参与者被分为两部分进行实验[9] - 核心对比实验让15名参与者依次体验三种教学方法：传统临摹、机器人硬带、TeachingBot自适应系统[9] - 另一项实验让15名参与者体验混合引导方法，以验证TeachingBot“量身定制路径”的核心优势[9] - 在衡量整体字形结构相似度的指标上，TeachingBot帮助学习者取得了显著进步[10] - 在更精细的笔画细节精度指标上，TeachingBot的提升幅度显著优于传统临摹与机器人硬带两种方法[10] - 使用TeachingBot时，学习者主动施加的交互力更大，表明其参与感、主动性和内驱力被激发[12] - 可视化图表显示，随着TeachingBot多轮引导，学习者笔迹从最初的散乱逐渐向标准字形收敛聚焦[13] 应用前景与行业影响 - TeachingBot验证了一套完整的、可推广的“物理技能自适应教学”框架[19] - 其个性化建模-渐进引导-动态调参的范式，几乎可以移植到任何需要手把手教的领域[19] - 潜在应用领域包括：康复领域（如帮助中风患者重建精细动作）、职业教育（如培训外科医生、飞行员）、艺术教育（如引导绘画、音乐初学者）、远程教育[19] - 文章末尾列举了广泛的机器人行业相关企业，涵盖工业机器人、服务与特种机器人、医疗机器人、人形机器人、具身智能企业、核心零部件企业及教育机器人企业等多个细分领域[21][22][23][24][25][26][27][28]