隨著機器人進入日常生活中的各個方面，人們對其提出了更高的要求，希望它們具有感知人類情感、意圖的能力，這類機器人稱為情感機器人。

情感機器人的出現(xiàn)將改變傳統(tǒng)的人機交互模式，實現(xiàn)人與機器人的情感交互。用人工的方法和技術(shù)賦予機器人以人類式的情感，使情感機器人具有識別、理解和表達喜樂哀怒的能力。

目前，機器人革命已經(jīng)進入“互聯(lián)網(wǎng)＋情感＋智能”的時代，這就要求機器人具有情感。

情感計算

情感計算就是賦予計算機像人一樣的觀察、理解和表達各種情感特征的能力，最終使計算機能與人進行自然、親切和生動的交互。情感計算及其在人機交互系統(tǒng)中的應用必將成為未來人工智能的一個重要研究方向。

什么是情感計算？

情感計算的概念是在1997 年由麻省理工學院（Massachusetts Institute of Tech-nology，MIT）媒體實驗室Picard 教授提出的，她指出情感計算與情感相關，源于情感或能夠?qū)η楦惺┘佑绊懙挠嬎恪?/p>

心理學和認知科學對情感計算的發(fā)展起了很大的促進作用。心理學研究表明，情感是人與環(huán)境之間某種關系的維持或改變，當外界環(huán)境的發(fā)展與人的需求及愿望符合時會引起人積極肯定的情感，反之則會引起人消極否定的情感。情感是人態(tài)度在生理上一種較復雜而又穩(wěn)定的生理評價和體驗，在生理反應上的反映包括喜、怒、憂、思、悲、恐、驚七種基本情感。

情感計算是一門綜合性很強的技術(shù)，是人工智能情感化的關鍵一步。情感計算的主要研究內(nèi)容包括：分析情感的機制，主要是情感狀態(tài)判定及與生理和行為之間的關系；利用多種傳感器獲取人當前情感狀態(tài)下的行為特征與生理變化信息，如語音信號、面部表情、身體姿態(tài)等體態(tài)語以及脈搏、皮膚電、腦電等生理指標；通過對情感信號的分析與處理，構(gòu)建情感模型將情感量化，使機器人具有感知、識別并理解人情感狀態(tài)的能力，從而使情感更加容易表達；根據(jù)情感分析與決策的結(jié)果，機器人能夠針對人的情感狀態(tài)進行情感表達，并做出行為反應。

不能理解怎能陪伴：情感計算關鍵技術(shù)

情感計算中關鍵的兩個技術(shù)環(huán)節(jié)是如何讓機器能夠識別人的情感、如何根據(jù)人的情感狀態(tài)產(chǎn)生和表達機器的情感。雖然情感計算是一門新興學科，但前期心理學、生理學、行為學和腦科學等相關學科的研究成果已經(jīng)為情感計算的研究奠定了堅實的基礎。目前，國內(nèi)外關于情感計算的研究已經(jīng)在情感識別和情感合成與表達方面，包括語音情感識別與合成表達、人臉表情識別與合成表達、生理信號情感識別、身體姿態(tài)情感識別與合成表達等，取得了初步成果。

1、情感識別現(xiàn)狀

情感識別是通過對情感信號的特征提取，得到能最大限度地表征人類情感的情感特征數(shù)據(jù)，據(jù)此進行建模，找出情感的外在表象數(shù)據(jù)與內(nèi)在情感狀態(tài)的映射關系，從而將人類當前的內(nèi)在情感類型識別出來。在情感計算中，情感識別是最重要的研究內(nèi)容之一。情感識別的研究主要包括語音情感識別、人臉表情識別和生理信號情感識別等。

1）語音情感識別

MIT 媒體實驗室Picard 教授帶領的情感計算研究團隊在1997 年就開始了對于語音情感的研究。在語音情感識別方面，該團隊的成員Fernandez 等開發(fā)了汽車駕駛語音情感識別系統(tǒng)，通過語音對司機的情感狀態(tài)進行分析，有效減少了車輛行駛過程中因不好情感狀態(tài)而引起的危險。

2）人臉表情識別

人臉表情識別是情感識別中非常關鍵的一部分。在人類交流過程中，有55%是通過面部表情來完成情感傳遞的。

20 世紀70 年代，美國心理學家Ekman 和Friesen 對現(xiàn)代人臉表情識別做了開創(chuàng)性的工作。Ekman 定義了人類的6 種基本表情：高興、生氣、吃驚、恐懼、厭惡和悲傷，確定了識別對象的類別；建立了面部動作編碼系統(tǒng)（facial action coding system，F(xiàn)ACS），使研究者能夠按照系統(tǒng)劃分的一系列人臉動作單元來描述人臉面部動作，根據(jù)人臉運動與表情的關系，檢測人臉面部細微表情。隨后，Suwa 等對人臉視頻動畫進行了人臉表情識別的最初嘗試。隨著模式識別與圖像處理技術(shù)的發(fā)展，人臉表情識別技術(shù)得到迅猛發(fā)展與廣泛的應用。目前，大多數(shù)情感機器人（如MIT 的Kismet 機器人、日本的AHI 機器人等）都具有較好的人臉表情識別能力。

3）生理信號情感識別

MIT 媒體實驗室情感計算研究團隊最早對生理信號的情感識別進行研究，同時也證明了生理信號運用到情感識別中是可行的。Picard 教授在最初的實驗中采用肌電、皮膚電、呼吸和血容量搏動4 種生理信號，并提取它們的24 維統(tǒng)計特征對這4 種情感狀態(tài)進行識別。德國奧格斯堡大學計算機學院的Wagner 等對心電、肌電、皮膚電和呼吸4 種生理信號進行分析來識別高興、生氣、喜悅和悲傷4 種情緒，取得了較好的效果。韓國的Kim 等研究發(fā)現(xiàn)通過測量心臟心率、皮膚導電率、體溫等生理信號可以有效地識別人的情感狀態(tài)，他們與三星公司合作開發(fā)了一種基于多生理信號短時監(jiān)控的情感識別系統(tǒng)。

2、情感合成與表達現(xiàn)狀

機器除了識別、理解人的情感之外，還需要進行情感的反饋，即機器的情感合成與表達。人類的情感很難用指標量化，機器則恰恰相反，一堆冷冰冰的零部件被組裝起來，把看不見摸不著的“情感”量化成機器可理解、表達的數(shù)據(jù)產(chǎn)物。與人類的情感表達方式類似，機器的情感表達可以通過語音、面部表情和手勢等多模態(tài)信息進行傳遞，因此機器的情感合成可分為情感語音合成、面部表情合成和肢體語言合成。

1）情感語音合成

情感語音合成是將富有表現(xiàn)力的情感加入傳統(tǒng)的語音合成技術(shù)。常用的方法有基于波形拼接的合成方法、基于韻律特征的合成方法和基于統(tǒng)計參數(shù)特征的合成方法。

基于波形拼接的合成方法是從事先建立的語音數(shù)據(jù)庫中選擇合適的語音單元，如半音節(jié)、音節(jié)、音素、字等，利用這些片段進行拼接處理得到想要的情感語音。基音同步疊加技術(shù)就是利用該方法實現(xiàn)的。

基于韻律特征的合成方法是將韻律學參數(shù)加入情感語音的合成中。He 等提取基音頻率、短時能量等韻律學參數(shù)建立韻律特征模板，合成了帶有情感的語音信號。

2）面部表情合成

面部表情合成是利用計算機技術(shù)在屏幕上合成一張帶有表情的人臉圖像。常用的方法有4 種，即基于物理肌肉模型的方法、基于樣本統(tǒng)計的方法、基于偽肌肉模型的方法和基于運動向量分析的方法。

基于物理肌肉模型的方法模擬面部肌肉的彈性，通過彈性網(wǎng)格建立表情模型。基于樣本統(tǒng)計的方法對采集好的表情數(shù)據(jù)庫進行訓練，建立人臉表情的合成模型。基于偽肌肉模型的方法采用樣條曲線、張量、自由曲面變形等方法模擬肌肉彈性。基于運動向量分析的方法是對面部表情向量進行分析得到基向量，對這些基向量進行線性組合得到合成的表情。

荷蘭數(shù)學和計算機科學中心的Hendrix 等提出的CharToon 系統(tǒng)通過對情感圓盤上的7 種已知表情（中性、悲傷、高興、生氣、害怕、厭惡和驚訝）進行插值生成各種表情。荷蘭特溫特大學的Bui 等實現(xiàn)了一個基于模糊規(guī)則的面部表情生成系統(tǒng)，可將動畫Agent 的7 種表情和6 種基本情感混合的表情映射到不同的3D 人臉肌肉模型上。我國西安交通大學的Yang 等提出了一種交互式的利用局部約束的人臉素描表情生成方法。該方法通過樣本表情圖像獲得面部形狀和相關運動的預先信息，再結(jié)合統(tǒng)計人臉模型和用戶輸入的約束條件得到輸出的表情素描。

3）肢體語言合成

肢體語言主要包括手勢、頭部等部位的姿態(tài)，其合成的技術(shù)是通過分析動作基元的特征，用運動單元之間的運動特征構(gòu)造一個單元庫，根據(jù)不同的需要選擇所需的運動交互合成相應的動作。由于人體關節(jié)自由度較高，運動控制比較困難，為了豐富虛擬人運動合成細節(jié)，一些研究利用高層語義參數(shù)進行運動合成控制，運用各種控制技術(shù)實現(xiàn)合成運動的情感表達。

日本東京工業(yè)大學的Amaya 等提出一種由中性無表情的運動產(chǎn)生情感動畫的方法。該方法首先獲取人的不同情感狀態(tài)的運動情況，然后計算每一種情感的情感轉(zhuǎn)變，即中性和情感運動的差異。Coulson 在Ekman 的情感模型的基礎上創(chuàng)造了6 種基本情感的相應身體語言模型，將各種姿態(tài)的定性描述轉(zhuǎn)化成用數(shù)據(jù)定量分析各種肢體語言。瑞士洛桑聯(lián)邦理工學院的Erden 根據(jù)Coulson 情感運動模型、NAO 機器人的自由度和關節(jié)運動角度范圍，設置了NAO 機器人6 種基本情感的姿態(tài)的不同肢體語言的關節(jié)角度，使得NAO 機器人能夠通過肢體語言表達相應的情感。

在我國，哈爾濱工業(yè)大學研發(fā)了多功能感知機，主要包括表情識別、人臉識別、人臉檢測與跟蹤、手語識別、手語合成、表情合成和唇讀等功能，并與海爾公司合作研究服務機器人；清華大學進行了基于人工情感的機器人控制體系結(jié)構(gòu)研究；北京交通大學進行了多功能感知和情感計算的融合研究；中國地質(zhì)大學（武漢）研發(fā)了一套基于多模態(tài)情感計算的人機交互系統(tǒng)，采用多模態(tài)信息的交互方式，實現(xiàn)語音、面部表情和手勢等多模態(tài)信息的情感交互。

雖然情感計算的研究已經(jīng)取得了一定的成果，但是仍然面臨很多挑戰(zhàn)，如情感信息采集技術(shù)問題、情感識別算法、情感的理解與表達問題，以及多模態(tài)情感識別技術(shù)等。另外，如何將情感識別技術(shù)運用到人性化和智能化的人機交互中也是一個值得深入研究的課題。顯然，為了解決這些問題，我們需要理解人對環(huán)境感知以及情感和意圖的產(chǎn)生與表達機理，研究智能信息采集設備來獲取更加細致和準確的情感信息，需要從算法層面和建模層面進行深入鉆研，使得機器能夠高效、高精度地識別出人的情感狀態(tài)并產(chǎn)生和表達相應的情感。

情感計算的應用

隨著情感計算技術(shù)的發(fā)展，相關的研究成果已經(jīng)廣泛應用于人機交互中。人機交互是人與機器之間通過媒體或手段進行交互。隨著科學技術(shù)的不斷進步和完善，傳統(tǒng)的人機交互已經(jīng)滿足不了人們的需要。由于傳統(tǒng)的人機交互主要通過生硬的機械化方式進行，注重交互過程的便利性和準確性，而忽略了人機之間的情感交流，無法理解和適應人的情緒或心境。如果缺乏情感理解和表達能力，機器就無法具有與人一樣的智能，也很難實現(xiàn)自然和諧的人機交互，使得人機交互的應用受到局限。

由此可見，情感計算對于人機交互設計的重要性日益顯著，將情感計算能力與計算設備有機結(jié)合能夠幫助機器正確感知環(huán)境，理解用戶的情感和意圖，并做出合適反應。具有情感計算能力的人機交互系統(tǒng)已經(jīng)應用到許多方面，如健康醫(yī)療、遠程教育和安全駕駛等。

除了在人機交互方面的應用，情感計算還運用到人們的日常生活中，為人類提供更好的服務。

在電子商務方面，系統(tǒng)可通過眼動儀追蹤用戶瀏覽設計方案時的眼睛軌跡、聚焦等參數(shù)，分析這些參數(shù)與客戶關注度的關聯(lián)，并記錄客戶對商品的興趣，自動分析其偏好。另外有研究表明，不同的圖像可以引起人不同的情緒。例如，蛇、蜘蛛和槍等圖片能引起恐懼，而有大量金錢和黃金等的圖片則可以讓人興奮和愉悅。如果電子商務網(wǎng)站在設計時考慮這些因素對客戶情緒的影響，將對提升客流量產(chǎn)生非常積極的作用。

在家庭生活方面，在信息家電和智能儀器中增加自動感知人們情緒狀態(tài)的功能，可提高人們的生活質(zhì)量。

在信息檢索方面，通過情感分析的概念解析功能，可以提高智能信息檢索的精度和效率。

另外，情感計算還可以應用在機器人、智能玩具和游戲等相關產(chǎn)業(yè)中，以構(gòu)筑更加擬人化的風格。