基于眼动和脑电技术的机器人情绪行为对用户交互情感的影响研究

目的探索人-机器人交互过程中用户情感的评价方法,揭示机器人情绪行为对用户交互情感的影响。方法设计音乐交互过程(正性音乐、负性音乐)和机器人情绪行为(正性情绪行为、中性情绪行为、负性情绪行为),借助主观评价、眼动追踪和脑电技术,采集19名被试在不同音乐交互过程中的主观评价指标、眼动指标和脑电指标。结果正性音乐交互过程中,机器人正性情绪行为引起的效价、唤醒度、瞳孔直径、额中线theta波相对功率、额区alpha波不对称指数显著大于中性情绪行为;而负性音乐交互过程中,机器人负性情绪行为引起的唤醒度和瞳孔直径显著大于中性情绪行为,效价和额区alpha波不对称指数显著小于中性情绪行为。结论各评价指标具有一致的结果,各指标相互结合能够有效地评价机器人音乐交互过程中用户的情感状态。评价结果表明机器人正性情绪行为(负性情绪行为)对音乐交互过程中用户正性情感(负性情感)具有增强作用,可用于进一步加强机器人音乐交互过程中用户的情感。

反思智能:存在自主动机的最简机器模型设计

本文从“智能”定义反思的角度,反思人对“机器情绪”的认识。如果机器本身不存在一套“自我情绪体验”的机制,那么,机器对人或动物的情绪识别,终究是人对其他人或动物的情绪识别的延伸,机器不可能产生源自自身对人或动物情绪感知的“共情”。本文用内省、思辨、常识推理的方法,提出一种有别于图灵测试的智能测试方法,并针对此测试方法,构建出一个“存在喜恶之情”的最简抽象模型。该模型的“性质体数量”和“性质体的状态数量”都极少,但足够说明构成智能心理的每个抽象性质体的具体作用。从工程实现的角度上说,在现有计算技术的支持下,按模型位置给出的性质,设计出采集、加工数据的方法,然后一步步丰富数据,便可一步步使该模型模拟的动物越来越像“有自主动机”、乃至表面看起来更像“有自我意识”的动物。

基于随机森林和卷积特征学习的人机交互语音情感识别

针对情绪机器人的自动语音情感识别在不同类型人群之间的语音特征差异,提出了一种用于语音情感识别的随机森林,结合卷积特征学习对情绪化社交机器人系统进行了初步的仿真实验,结果表明情绪机器人能够实时跟踪兴奋、愤怒、哀伤、高兴、惊讶、恐惧、中性7种基本情绪。通过采用非个性化的语音情感特征,补充了原始的个性化语音情感特征,实现了对通用性情感和特殊性情感的提取,对于情感机器人来说,利用这些指标在模拟实验和应用实验中都具有一定的应用前景。