Reminiscence with Robots: Establishing a Basis for Personalised Dementia Care Using an Off-The-Shelf Companion Robot

Abstract

Die biografische Geschichte einer Person ist für die personalisierte Demenzpflege von entscheidender Bedeutung. Die derzeitigen Datenerhebungsmethoden stützen sich jedoch großteils auf Auskünfte von Angehörigen und liefern oft keine umfassenden Informationen. Diese Arbeit untersucht den Einsatz eines im Handel erhältlichen Roboters zur autonomen Erfassung biografischer Daten zur Unterstützung personalisierter Demenzpflege. Mit Hilfe des Roboters Vector und zweier Offline-Large Language Models (LLMs) wurde ein sprachbasiertes Tagebuchsystem entwickelt, das natürliche Gespräche ermöglicht und daraus biografische Daten extrahiert. Das System wurde in einer einwöchigen Feldstudie mit vier erwachsenen Teilnehmenden (im Alter von 28 bis 37 Jahren) evaluiert, die täglich zu Hause Einträge aufzeichneten. Das System generierte 97 Profileinträge, von denen 86,6% nach Überprüfung durch die Teilnehmenden als korrekt bewertet wurden. Die Profile wurden in Interviews mit zwei Demenz-Expertinnen überprüft, die die Profile als wertvollen Ausgangspunkt bewerteten, jedoch betonten, dass sie für den Nutzen in der Pflegepraxis noch mehr Tiefe und Klarheit benötigen. Diese Arbeit liefert einen Nachweis für die Machbarkeit eines solchen Systems für die Erfassung biografischer Daten sowie empirische Erkenntnisse über aktuelle Limitationen und Möglichkeiten. Die Ergebnisse sprechen für eine weitere Untersuchung eines solchen Systems und weisen auf praktische Herausforderungen hin, die mit der Integration in die Pflegepraxis verbunden sind.

While the biographical history of a person is vital for personalized dementia care, current data collecting practices over-rely on relatives and often fail to provide comprehensive information. This thesis addresses the feasibility of using a commercially available companion robot to autonomously gather biographical data for personalized dementia care. A speech-based diary system was developed using the robot Vector and two offline Large Language Models (LLMs) to enable natural conversation and extract biographical data. The system was evaluated in a one-week field study with four adult participants (aged 28–37), who recorded daily entries at home. The system generated 97 profile entries, of which 86.6% were evaluated as accurate after participant review. The profiles were reviewed in interviews with two dementia experts, who deemed profiles as a valuable starting point, however, emphasizing the need for more depth and clarity to be useful in the care practice. This work contributes a proof-of-concept for biographical data collection, along with empirical insights into its limitations and opportunities. The findings support further investigation of such a system and point to practical challenges in making them part of real-world care practice.