人工智能技術的發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。

人機交互（Human-Robot Interaction）是一個多學科的L域，旨在理解和開發支持機器人與人類共存的技術�；�于人文主義價值觀，HRI的一個子集是專注于研究提G個人生活質量的機器人；此類研究包括醫療觸覺，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，護理者和臨床醫生的工作。該L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，這些挑戰需要社會調解，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出現實世界中的復雜性，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，在大數據時代，人機交互非常豐富；人們經常與計算模型交互，無論是隱藏在他們喜歡的數字媒體網站后面，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據換取“免費”服務。因此，提G生活質量的個性化機器人和虛擬代理服務在行業中正在成為現實-商業實例，包括基于認知行為療法的治療性聊天機器人Woebot等。但是，在利用這些數據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，包括現實世界數據固有的噪音，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，將多模式，交互式和多任務ML范例應用于實際環境并對其進行評估至關重要。