1.基于人工智能的交互式教育机器人系统，其特征在于：包括采集判定模块(100)、效率分析模块(200)和交互引导模块(300)；

所述采集判定模块(100)用于通过机器人实时采集学习者的坐姿状态数据和微表情特征数据，输入至学习状态判定模型，输出学习者的学习状态，若为注意力集中状态，输出正常信号，若为注意力不集中状态，则通过效率分析模块(200)调用历史学习数据库，计算当前知识点与学习者之前知识掌握度的匹配度，根据匹配度动态调整不同难度的题目；

所述交互引导模块(300)根据效率分析模块(200)调用的历史学习数据库，利用多维度数据关联法生成与当前知识点关联的互动问题，输出引导学习者思考的话术和手势动作。

2.根据权利要求1所述的基于人工智能的交互式教育机器人系统，其特征在于：所述采集判定模块(100)包括数据采集单元(110)和状态判定单元(120)；

所述数据采集单元(110)通过激光雷达与压力传感器阵列，采集学习者的躯干倾斜角度、臀部压力分布均匀度及头部俯仰角度，采用4K高帧率摄像头，提取学习者眼部、眉部及唇部特征点，生成三维状态向量；

所述状态判定单元(120)将采集的学习者的坐姿状态数据和微表情特征数据，划分为训练集、验证集与测试集，通过训练集学习坐姿状态数据和微表情特征数据与学习状态之间的映射关系，建立学习状态判定模型，验证集数据对学习状态判定模型进行超参数优化和过拟合监测，测试集数据在模型训练完成后，独立评估其最终性能，检验模型在未见过的数据上的准确性和稳定性；

其中，采用训练集对学习状态判定模型进行训练时，通过数据层标注数据集，特征融合层运用注意力机制进行动态加权融合，对坐姿状态数据和微表情特征数据分配权重，融合后生成综合特征向量，分类决策层采用改进随机森林算法，基于特征阈值和时间序列特征，输出注意力集中状态概率，依概率阈值判定学习状态，中间区间触发二次验证。

3.根据权利要求1所述的基于人工智能的交互式教育机器人系统，其特征在于：所述采集判定模块(100)还包括难度拓展单元(130)，所述难度拓展单元(130)根据学习者注意力集中状态的持续时间，分阶段提升难度系数，并结合学科类型差异，包括理科、文科、语言类知识点的特性，采用适配认知规律的拓展策略。

4.根据权利要求3所述的基于人工智能的交互式教育机器人系统，其特征在于：所述历史学习数据库内包括不同难度的题目、核心知识点和非核心知识点。

5.根据权利要求2所述的基于人工智能的交互式教育机器人系统，其特征在于：所述效率分析模块(200)包括知识匹配单元(210)和难度分析单元(220)；

所述知识匹配单元(210)采用语义相似度算法计算知识点关联度，结合学习者的知识掌握度，利用加权求和，计算当前知识点与学习者之前知识掌握度的匹配度；

所述难度分析单元(220)依据匹配度与学员学习效果的相关性分析，以线性变化的临界点设定匹配度的阈值基准，若匹配度比阈值基准低，则判定注意力不集中状态因难度过高，按匹配度分级降低题目难度，若匹配度比阈值基准高，则判定注意力不集中状态因注意力问题，不调整题目难度，开始与学习者进行交互。

6.根据权利要求1所述的基于人工智能的交互式教育机器人系统，其特征在于：所述效率分析模块(200)还包括知识拆分单元(230)，所述知识拆分单元(230)用于拆分历史学习数据库中核心知识点的应用过程为多个连续步骤，每步骤配备操作指引和可视化辅助。

7.根据权利要求6所述的基于人工智能的交互式教育机器人系统，其特征在于：所述知识拆分单元(230)用于针对非核心知识点，仅保留核心定义，删除延伸内容，使历史学习数据库简化存储非核心知识点。

8.根据权利要求5所述的基于人工智能的交互式教育机器人系统，其特征在于：所述交互引导模块(300)包括关联问答单元(310)和互动执行单元(320)；

所述关联问答单元(310)用于建立不同难度题目与互动问题、手势动作匹配的模型，将所述难度分析单元(220)输出的题目输入模型，输出互动问题和手势动作；

所述互动执行单元(320)用于将互动问题转换为扬声器播放语音，手势动作转换为机械臂控制信号，使扬声器语音播放互动问题，机械臂执行手势动作。

9.根据权利要求8所述的基于人工智能的交互式教育机器人系统，其特征在于：所述交互引导模块(300)还包括音量调控单元，所述音量调控单元用于建立注意力集中状态概率和扬声器音量的线性关系，接收所述状态判定单元(120)输出的注意力集中状态概率至线性关系，匹配所述互动执行单元(320)执行扬声器播放语音的音量。