设计LLM模拟沉浸式空间以增强自闭症儿童在交通场景中的社会可供性理解

DOI

自闭症儿童面临的一个关键挑战是理解复杂环境中的社会可供性，这进一步影响了他们适当回应社交信号的能力。在交通场景中，这种障碍甚至可能导致安全隐患。本文介绍了一种LLM模拟的沉浸式投影环境，旨在提高自闭症儿童的这项能力，同时确保他们的安全。我们首先提出了跨四个主要类别的17项设计考虑，这些考虑来自对先前研究的全面综述。随后，我们开发了AIRoad系统，该系统利用LLM模拟具有不同社会意图的司机，通过明确的多模态社交信号表达。AIRoad帮助自闭症儿童缩小识别行为意图与学习适当反应之间的差距。涉及14名参与者的用户研究表明，这项技术有效地吸引自闭症儿童，并显著提高了他们对交通场景中社会可供性的理解。此外，家长报告了系统的高感知可用性。这些发现凸显了将LLM技术与沉浸式环境相结合用于自闭症儿童功能康复的潜力。