技术中心

机器人的情绪识别与类人情绪的产生过程受到计算机与心理学研究领域的广泛关注,同时得到了科学界的高度重视与大规模支持,并逐渐形成认知情感计算这一交叉研究领域。本文围绕人机交互的过程中服务机器人之认知情绪调节过程展开研究。首先,根据信息加工理论以及视觉感知与选择性关注特征建立起关注度分析模型,并基于交互者表情及微表情特征的提取与分析,构建起表情-情绪映射模型,将外界表情刺激映射到唤醒度-效价-开放度三维情绪空间中,为后续情绪调节过程提供可靠的认知依据；其次,针对Gross认知情绪调节策略中的情境选择、情境修正、注意分配环节,提出具备心理意义学的情绪调节与表达算法,并将其应用于仿人服务机器人中进行交互效果论证；而后,以动机心理学为原型,引入物理学中有源场理论,针对Gross策略的认知重评及表达抑制环节,建立起具有动力性能的情绪状态空间,在空间中模仿人类的认知能力及自身情绪状态间的相互作用过程,并融入HMM模型与Glauber动力系统,实现基于概率的刺激与情绪状态调节过程；zui后,将上述理论、算法融入服务机器人平台中,分析、验证模型的有效性,并将其应用于孤独症社交辅助治疗中。

本文的主要研究内容与创新点如下：

(1)根据信息加工理论以及视觉感知与选择性关注特征,采用马尔可夫链-熵的方法来描述视觉注意在图像不同显著区域间的非对称性旋回转移过程；根据FACS中面部运动单元的划分方法,提取zui能表现情绪状态的13个AU单元,将其划分为9个面部特征区域,采用PCA方法对5尺度8方向的Gabor小波变换得到的小波系数进行训练降低表情空问维度,在此基础上,通过表情的分析,对非典型表情进行情绪映射,实现针对面部特征区域的表情情绪认知方法；在此研究基础上,采用Gabor滤波器分解由3D梯度投影描述法得到的微表情关键帧之特征区域图像,并通过多区域的局部Gabor二值模式算法,在尽可能保留图像特征信息的基础上进行特征降维,zui终,构建起基于梯度量级加权的zui近邻分类器对微表情特征进行分类,从而实现微表情捕捉与情绪识别过程,用于发现交互者的潜在情绪。以上关注度分析、表情及微表情情绪研究,为后续情感计算研究提供了较为有效的认知基础。

(2)从Gross认知情绪调节过程中的情景选择、情景修正、注意分配环节中,抽象出交互关系参数与情绪抑制参数,实现对于情绪状态转移概率的影响,并通过遗传算法对相应交互关系影响因子与情绪抑制影响因子进行优化处理,进一步提高参数的控制精度,从而提出一种融合概率有限状态机算法的情绪调节与表达模型,并将外界环境因素融入仿人服务机器人的情绪表达过程中。本模型应用于14自由度的仿人表情机器人中进行交互实验,通过对500位交互者的Likert调查量表进行分析,对映射反应模型与认知情绪模调节型的交互效果进行对比,结果表明具备认知情绪调节能力的仿人服务机器人其表情拟人度与智能性更加良好,可以在人机交互过程中发挥多样化的情绪表达作用。

(3)根据交互过程中的场力与冲突理论,在有源场情绪状态空间中建立起服务机器人的连续可控的情感调节过程。在费希纳-韦伯定律的基础上,定量分析Gross策略中情绪的自发性认知重评与指导性认知重评过程；根据情感强度第三定律提出一种与情绪效价相关联的情绪强度衰减模型；依据动力心理学理论,建立起基于有源场的情绪能量空间,用于模拟外界刺激情绪与机器人自身情绪的相互作用过程；并建立起基于情绪唤醒度的机器人行为表达抑制模型；在此研究基础上,提出基于HMM的情绪状态刺激转移算法与基于Glauber动力系统的情绪状态自发转移算法；并将以上模型算法用于13自由度的服务机器人平台中,实现非典型表情交互环境中机器人不确定情绪过程的动态、可控调节。

(4)基于以上视觉注意、表情／微表情-情绪映射、及认知情绪调节过程的研究成果,构建起以情感机器人为核心的面向孤独症儿童的社交辅助*,针对患儿的认知情感缺失问题,实现患儿与机器人的情感互动治疗。在视觉注意模型的基础上,建立共同注意子系统,实现对于患儿联合注意能力的训练；在表情／微表情-情绪映射模型的基础上,实现在表情学习、表情模仿训练模式中对于患儿面部表情的实时识别,辅助该训练模式的完成,此外,还可以实时追踪训练过程中患儿的情绪变化,并依据认知情绪调节模型给予相应情绪互动；在情境认知训练中,融入基于MFCCs分析的情绪调节模型,使机器人产生与场景相匹配的情绪状态及行为表现。本文所研究的模型与算法贯穿于患儿与情感机器人的交互过程,在临床试验中实现了具备仿人情感能力的心理及行为互动。SRS社交反应量表分析结果表明,通过六种模式下的认知情绪训练,患儿的联合注意及社会交往能力得到一定提高且其效果优于传统康复模式。