Robo-Blocks：社交機器人設計與程式編寫中的生成式鷹架技術
arXiv - Human-Computer InteractionArissa J. Sato, Callie Y. Kim, Nathan Thomas White, Abhinav Maneesh, Yuqing Wang, Hui-Ru Ho, Bilge Mutlu
本研究開發 Robo-Blocks 工具，利用大型語言模型提供結構化敘事鷹架，協助新手在設計社交機器人時平衡 AI 輔助與自主編程能力。
AI 幫你先抓重點
AI 重點 1
警惕 AI 生成代碼可能導致的「過度依賴」與「設計意圖喪失」問題。
滑鼠懸停看 AI 判斷理由
雖然 LLM 能大幅降低編程門檻，但若僅提供直接代碼，會掩蓋編程邏輯，導致學習者無法建立真正的技能，並使設計者失去對機器人行為的精準控制。
AI 重點 2
提倡使用「生成式鷹架（Generative Scaffolding）」而非直接生成結果。
滑鼠懸停看 AI 判斷理由
透過結構化敘事作為中間層，能將抽象想法與具體執行連結，這改變了 AI 在教育工具中的角色——從「答案提供者」轉變為「認知支架」，有助於促進學習者的自主學習與技能內化。
核心研究發現
- 1
開發了 Robo-Blocks 區塊化編程環境，透過 LLM 將高層次設計構想轉化為結構化敘事，進而連結至可執行的機器人行為。
- 2
透過對新手的部署研究，發現了生成式鷹架下的新興使用者角色（Personas）以及不同的使用模式。
- 3
研究揭示了生成式鷹架如何形塑終端使用者的設計策略，並提出了將 AI 整合進社交機器人編程實務的設計洞察。
對教育工作者的啟發
教育工作者在設計 AI 輔助學習工具時，應避免讓 AI 直接給出最終答案（如直接生成完整程式碼），而應設計「中間層」作為鷹架。例如，利用 AI 協助將學生的自然語言構想轉化為邏輯結構或敘事框架，引導學生理解背後的設計邏輯。這種做法能確保學習者在享受 AI 便利性的同時，仍能參與核心的邏輯建構與問題解決過程，從而避免認知負荷過低導致的學習停滯。
原始文獻資訊
- 英文標題：
- Robo-Blocks: Generative Scaffolding in End-User Design and Programming of Social Robots
- 作者：
- Arissa J. Sato, Callie Y. Kim, Nathan Thomas White, Abhinav Maneesh, Yuqing Wang, Hui-Ru Ho, Bilge Mutlu
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。