در عصر تعاملات فزاینده میان انسان و ماشین، نیاز به طراحی ربات هایی با قابلیت درک، تطبیق و بازنگری در رفتارهای اجتماعی بیش از پیش احساس می شود. این پژوهش با هدف ارائه الگویی نوین برای طراحی ربات های اجتماعی، از مفهوم «خودشناسی» در چارچوب نظری سیبرنتیک نسل سوم بهره گرفته است. برخلاف الگوهای رایج که تمرکز آن ها بر پاسخ دهی شرطی یا رفتارهای از پیش برنامه ریزی شده است، مدل پیشنهادی، ربات را به عنوان کنشگری بازتاب گر و یادگیرنده اجتماعی معرفی می کند.ساختار مدل بر سه لایه کلیدی بنا شده است: (۱) لایه کنترل برای پاسخ دهی فوری به محرک ها، (۲) لایه تنظیم شناختی جهت انتخاب رفتار براساس زمینه، و (۳) لایه بازتاب گر که امکان خودتحلیلی، ارزیابی نقش اجتماعی، و بازسازی مدل درونی از «خود» را فراهم می آورد. در این رویکرد، ربات نه تنها به تعامل پاسخ می دهد، بلکه از آن می آموزد، رفتار خود را اصلاح می کند و نقش اجتماعی اش را در تعاملات آینده بهبود می بخشد.فرایند طراحی شامل تحلیل نیازمندی ها، ساخت معماری شناختی، تعریف ماژول خودشناسی، و طراحی حلقه های بازخورد رفتاری بود. یافته ها نشان می دهد که این الگو می تواند به بهبود کیفیت تعامل انسان–ربات، افزایش تطابق با بافت اجتماعی، و تقویت حس همدلی و اعتماد کاربران منجر شود.در عین حال، چالش هایی مانند پیچیدگی محاسباتی، نیاز به زیرساخت حافظه ای پیشرفته، کمبود داده های تعاملی واقعی، و دشواری اعتبارسنجی تجربی مطرح است. این محدودیت ها لزوم توسعه میان رشته ای و تدریجی مدل را نشان می دهد.

ربات اجتماعی خودشناسی ماشینی سایبرنتیک نسل سوم بازتاب پذیری تعامل انسان ـ ربات