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。

情感機器人的出現將改變傳統的人機交互模式，實現人與機器人的情感交互。用人工的方法和技術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，機器人革命已經進入“互聯網＋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，源于情感或能夠對情感施加影響的計算。

心理學和認知科學對情感計算的發展起了很大的促進作用。心理學研究表明，情感是人與環境之間某種關系的維持或改變，當外界環境的發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。情感是人態度在生理上一種較復雜而又穩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，是人工智能情感化的關鍵一步。情感計算的主要研究內容包括：分析情感的機制，主要是情感狀態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、身體姿態等體態語以及脈搏、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的能力，從而使情感更加容易表達；根據情感分析與決策的結果，機器人能夠針對人的情感狀態進行情感表達，并做出行為反應。

不能理解怎能陪伴：情感計算關鍵技術

情感計算中關鍵的兩個技術環節是如何讓機器能夠識別人的情感、如何根據人的情感狀態產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為情感計算的研究奠定了堅實的基礎。目前，國內外關于情感計算的研究已經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、身體姿態情感識別與合成表達等，取得了初步成果。

1、情感識別現狀

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據，據此進行建模，找出情感的外在表象數據與內在情感狀態的映射關系，從而將人類當前的內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 等開發了汽車駕駛語音情感識別系統，通過語音對司機的情感狀態進行分析，有效減少了車輛行駛過程中因不好情感狀態而引起的危險。

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 對現代人臉表情識別做了開創性的工作。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（facial action coding system，FACS），使研究者能夠按照系統劃分的一系列人臉動作單元來描述人臉面部動作，根據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的發展，人臉表情識別技術得到迅猛發展與廣泛的應用。目前，大多數情感機器人（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 維統計特征對這4 種情感狀態進行識別。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 等研究發現通過測量心臟心率、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，他們與三星公司合作開發了一種基于多生理信號短時監控的情感識別系統。

2、情感合成與表達現狀

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、表達的數據產物。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力的情感加入傳統的語音合成技術。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計參數特征的合成方法。

基于波形拼接的合成方法是從事先建立的語音數據庫中選擇合適的語音單元，如半音節、音節、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。基音同步疊加技術就是利用該方法實現的。

基于韻律特征的合成方法是將韻律學參數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，通過彈性網格建立表情模型。基于樣本統計的方法對采集好的表情數據庫進行訓練，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。

荷蘭數學和計算機科學中心的Hendrix 等提出的CharToon 系統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 等實現了一個基于模糊規則的面部表情生成系統，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，再結合統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，其合成的技術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造一個單元庫，根據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，一些研究利用高層語義參數進行運動合成控制，運用各種控制技術實現合成運動的情感表達。

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

在我國，哈爾濱工業大學研發了多功能感知機，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構研究；北京交通大學進行了多功能感知和情感計算的融合研究；中國地質大學（武漢）研發了一套基于多模態情感計算的人機交互系統，采用多模態信息的交互方式，實現語音、面部表情和手勢等多模態信息的情感交互。

雖然情感計算的研究已經取得了一定的成果，但是仍然面臨很多挑戰，如情感信息采集技術問題、情感識別算法、情感的理解與表達問題，以及多模態情感識別技術等。另外，如何將情感識別技術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境感知以及情感和意圖的產生與表達機理，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并產生和表達相應的情感。

情感計算的應用

隨著情感計算技術的發展，相關的研究成果已經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。隨著科學技術的不斷進步和完善，傳統的人機交互已經滿足不了人們的需要。由于傳統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合能夠幫助機器正確感知環境，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已經應用到許多方面，如健康醫療、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，分析這些參數與客戶關注度的關聯，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的功能，可提高人們的生活質量。

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業中，以構筑更加擬人化的風格。