文摘

本文总认知过程集成到HMM(隐马尔可夫模型)情绪调节方法和实现人机与面部表情和情感交互行为。这里,能源是情感的心理驱动力转变认知情感模型。外部能源输入表情被翻译成expression-emotion映射。机器人的未来情绪状态是由认知能量(认知后刺激)和自己的情感能量的大小和源的位置。两个随机量的情感转变过程——情感家庭和AVS中的特定情绪状态(arousal-valence-stance) 3 d空间是用来模拟人类的情感选择。模型验证了一个情感机器人10自由度和100多种面部表情。实验结果表明,情绪调节模型不仅提供典型的分类和跳跃的一组情感标签,但在三维情感空间使各种中介的情绪状态。所以机器人与认知情绪调节模型是更聪明和真实;而且它可以充分发挥情感多元化的互动。

1。介绍

如今,机器人不仅需要聪明的行为,还需要精神生活,如认知、情感和个性。机器人的发展自己的情商拟人化和多元化的州,甚至产生共鸣。人机交互需要情感分析和监管,所以情感建模尤为重要。在本节中,一些价值和深远的方法提出了关于情感建模。它们可以分为两类:离散模型和情感空间模型。此外,这两个类是独立和补充。

1.1。离散模型

字母z将情绪分为两类:典型的情感和复杂的情感。典型的情绪或多或少包含离散的情绪状态,通常从2到111- - - - - -3]。拉撒路认为,日益增长的重要性cognitive-mediational或value-expectancy心理和行为方法在社会科学的繁荣促进了情感离散的类别(4]。埃克曼提出六个典型的情感基础上,面部表情(5]。此外,这类似的方法是紧随其后的是几个作者。人工情感分为愤怒、厌烦、恐惧、快乐、兴趣,和悲伤在梅洛的作品与社会机器人(6]。在Gadanho的方法中,情感(快乐、恐惧、悲伤和愤怒)某些事件相关(7]。委拉斯开兹也提出了一种基于感性控制自主机器人。在他的研究中,六个典型的情绪(愤怒、恐惧、悲伤、幸福、厌恶,和意外)实现与先天的个性和获得学习的能力8]。墨菲等人提出了人工的情绪状态(快乐,自信,担心,和沮丧)可替换主体系统,和情绪释放取决于任务的过程(9]。复杂的情感包括以下三类:(1)2 - 3典型的情绪混合;(2)典型的情感和内心冲动混合;(3)典型的情绪和affective-cognitive结构混合(10]。

1.2。情感空间模型

情感空间模型与离散模型,考虑这样一个连续的多维空间,每个点代表一个情绪状态,每个维度代表一个基本财产共同所有的情感。为了充分展示情感属性,经典的三维情感空间,愉快的/不愉快、兴奋、抑郁、紧张和放松,已经由冯特使用(11]。多年来,大量的情感维度理论提出了(12- - - - - -15]。最接受的理论是由罗素和Mehrabian[描述16]:pleasure-arousal-dominance空间(PAD)。谢勒和壹Ortony等人也使用和开发板空间来确定人工情感社会机器人(17,18]。Zecca等人构建3 d心理向量空间,arousal-pleasant-certain,机器学习,动态调节,和性格19]。布雷西亚此外,还arousal-valence-stance (AVS)空间与社会机器人,天命,是最值得注意的情感空间模型(20.]。在这种情况下,机器人根据其不同的情绪状态与人互动。事实上,外部刺激标签是由三个AVS情感属性空间。Ortony等人OCC模型推理过程可以产生认知情感和引发复杂的情感经历通过事件的趋势(包括事件、对象和代理)18]。这个模型已经被杨等人开发和提炼和金姆et al。21,22]。

本文讨论了认知情绪调节活跃领域的状态空间模型。首先,基于总认知策略、认知重新评价模型满足Fischna-Weber法律,和生理耐力系数被定义来满足心理的多样性。第二,积极情绪状态空间领域的坚实的基础是建立在生理能量分布,和情感之间的转移概率的家庭被发现。第三,观察状态序列产生情感家庭的嗯。最后,情绪调节模型致力于人与机器人实验的有效性分析。图1给出了本研究的一般思想。


图1
这项研究的一般思想。

本文的其余部分组织如下。部分2论述了总认知策略,提出了一种认知重新评价模型。部分3定义了相关的情感空间和状态转换过程。部分4介绍了情感机器人平台。部分5给出实验结果和讨论。结论和未来工作方向提供部分6。

2。情感认知和建模

2.1。生产总值(gdp)认知策略

总值提出五个情绪调节strategies-situation选择,情况修改,注意部署、认知重新评价和反应抑制(23]。认知重新评价,最重要的情绪调节早期antecedent-focused战略阶段,取决于内部意志力和人格因素。当个人问题或心理预期是不同于现实,负面情绪,如悲伤、焦虑、愤怒、和疼痛,产生。一般来说,认知重新评价可以减少消极情绪强度和提高个人的情感体验。认知过程的认知重新评价和反应抑制策略可以提高个人情感体验。然而,心理学研究证明,认知重新评价策略,与其他四个监管策略,在负面情绪调节是最有效的。

2.2。认知重新评价模型

总认为自发性认知重新评价,心理防御机制的重要组成部分,可以帮助个人考虑情感刺激从和平的角度来看(23]。因此,面对各种外部情感刺激,心理认知重新评价系统将首先在不知不觉中开始自发的减少情感强度。换句话说,当外部刺激出现在情绪状态空间,自发的认知重新发挥作用,减少刺激强度。因为自发的认知重新评价主要取决于个体生理疲劳、生理耐力系数 机器人的定义。

Fischna-Weber法律是一个心理物理公式描述内部feel-intensity和外部刺激强度之间的关系。法律表明,人类feel-intensity刺激强度的对数成正比(见公式(1))。自发性的指导下认知重新评价,负面情绪的feel-intensity可以从公式(2):

在这里, 之前是feel-intensity自发性认知重新评价, 是feel-intensity自发性认知重新评价后, 是刺激强度, 和 是常数。

当 ,机器人具有更好的耐力和提高外部负面情绪刺激的防御能力。相反,当 ,机器人的耐力下降和自己的情感状态是容易受到外部的影响。

基于AVS的情感模型,简化版的影响范围内设计。在这种规模,每个维度(觉醒、价和立场)是衡量四对情绪状态,如图2。每组包含两个相反的情绪状态分为9水平维度,和这两个国家在本质上是完全一样的两个维度。有7个典型实验场景对应7外部刺激情绪和随机选择的500名志愿者在五组等不同年龄11 ~ 20日,21日~ 30日,31 ~ 40、41 ~ 50岁,和51 ~ 60年。组的100名参与者得到外部刺激情绪和情感层面选择规模一次思考一段时间后,分别。每个场景的处理和分析数据与假设检验基于高斯迭代中,我们可以发现后积极场景的认知重新评价的影响没有明显的变化,负面情绪的变化服从高斯分布如图3。在这个假设检验中,我们首先计算高斯数学期望 最大似然估计为每个场景。计算每一块数据之间的距离和高斯分布的中心和删除日期的最大距离。然后计算出新的数学期望 通过最大似然和获得的距离 。如果距离 小于阈值,迭代结束。如果算法收敛迅速,这一幕AVS数据服从高斯分布。因此,参数 ,一组高斯随机数据,可以模仿人类的自然认知,让机器人有一个概率和多元化的认知风格。


图2
一个简化版的影响范围。

图3
两种消极情绪认知重新评价后分布。

3所示。情绪调节的建模

3.1。情绪状态的空间描述

的状态空间机器人的情感 情绪可以自由变换,是一组机器人的所有情感。机器人的情绪状态 可以被视为一个空间位置在时间吗 在活动状态空间。每个州都有相应的心理能量,是由状态空间势能的热门领域。不同传统的有限的情绪状态,情绪调节过程是定义在连续时间和连续状态空间的情况下使机器人更加活泼和拟人的。所以 的值范围是一个非负实数,和 是一个实数点。考虑输入微表情从参与者的影响,刺激的情感空间 介绍了机器人情绪调节。在这里, 是情绪状态的数量中包含的微表情。埃克曼的情绪理论的基础上,平静的情绪状态空间中,使机器人更类似于人类。因此,刺激情绪状态空间 根据微表情识别方法(24),参与者的面部表情在通信映射到7中典型的情绪为了简化实验。

3.2。情感建模在活跃的领域
3.2.1之上。在积极情绪状态空间领域

动力心理学表明,人类心理也需要能量(即心理能量),其他的物理动力系统。外部激励,根据反应(25- - - - - -28),在这个研究中,面部情绪类型和行动范围对应的位置能量源和能量大小,分别。基于天命的情感空间,该领域的概念引入到情绪状态空间描述和测量之间的能量变化的情绪情感时空属性。为此,我们需要考虑以下三个问题。首先,情绪状态被激活的?第二,激活情感的来源是什么?第三,周围的场分布是什么?在我们的情感模型中,外部刺激和机器人的情感之间的交互活动领域的情感状态空间形式。这里,场源的大小是由情绪状态的激活强度决定的,和场源的位置是由情感类别。场强分布在情绪状态空间是由刺激的情绪状态系统,它是由州和机器人当前的情绪。从场论,激活强度 在任何时候 在情绪状态空间 在哪里 是情感的来源,的数量 距离的情感来源吗 对点 , 是 的方向向量, 是一个系数, 情绪化的来源吗 。

情感向量场对应的标量势场。情感激活强度 描述了空间从力的角度来看。因此,机器人从当前情感状态转换到下一个通过所做的功活跃的领域。另一方面,情感的潜力 由能量来描述字段,所以情感势能是由 它只取决于字段的值的来源。 数字的值等于,情感单位量的势能。关于情感势能的计算方法 有 激活情绪状态(图4)


图4
当前的和刺激的情绪影响状态空间任意点在活跃的领域。
3.2.2。状态转移概率的情绪

个体情绪状态驱动和产生的心理能量。活跃的领域的状态空间,未来情绪状态的家庭选择的刺激产生的势能和机器人当前的情绪。情感势能点拥有越大,越是这种潜在的表面下的情绪状态的概率。情感激活阈值可以有效地解决情感问题的敏感性和溢出。当情感势能在一定区间内 ,这种情绪状态可能被激活。和在其他情况下,情绪没有激活概率。

在 情感势能的总和,每个点沿磁场方向

从当前情感家庭转移概率 到下一个 是

3.3。基于HMM的情绪调节

人类的情绪调节可分为两个步骤;第一步是认知重新评价的基础,第二个是与人格因素相关。所以本文认为情绪调节过程作为一个双重随机过程,第一个不能直接观察。换句话说,情绪调节过程可以模仿一个隐藏的马尔可夫模型(HMM)如图5。


图5
基于HMM的情绪调节。

在隐藏的过程中, 是情感的心理能量的家庭吗 在时间 , 是一个非负实数。外部刺激后,情绪调节可以被认为是连续的时间和空间,并满足以下标准。(1)当外部刺激时, 初始概率,最终状态在过去监管过程决定。(2)对于任何 ,随机变量 为彼此是独立的。(3)对于任何 随机变量, 服从的概率分布公式(7)。情绪状态是 在时间 ,情绪状态 在时间 。(4)情绪调节过程是连续的;也就是说, 是一个连续函数的时间吗 。情绪状态包含平等的心理能量跃迁概率相同,它们被视为一种情感家庭。事实上,这马尔可夫过程阐述了情感家庭之间的转换。

另一个随机过程是用于输出特定的情绪状态,这种状态可以表达的表情,语言,行为,等等。然而,这些符号都是情感的外在表现,情绪状态是对他们的动机。我们必须考虑情感的多样性和系统实时,所以有26个可能性在每个情感家庭(即26情绪状态)如表所示1。高唤醒轴的角 , 。arousal-valence平面的角 , 。和可能的方向之间的夹角 和机器人之间的联系目前的状态被定义为情感和刺激 。情绪状态转移概率 角度决定的吗 。不止一个外部刺激时,角 不同的刺激可能是平等的。在这种情况下,接下来的情感将随机选择其中之一

表1
26可能的方向的情感投资。

4所示。情感的机器人

机器人的机械结构和形状模仿卡通。如图6有10个自由度,头和手臂和100多种面部表情。所以机器人可以表达情感和手臂,头,甚至面部表情。机器人的上身运动机制如图7由10个直流电机和一些连接件。在互动中,机器人情感将触发一系列的外部表现像面部表情,手势,手臂动作,等等。的行为表达规则如下。如果情绪状态,那么机器人表演。


图6
机器人及其代表表达式。

图7
机器人机械结构。

在这里,表演的类型密切相关的情感家庭和有一些轻微的差异在特定的情绪状态。情感强度成正比范围(即情感势能)。所以机器人生动的情感之间的行为是一种混合类型和活跃程度和实际可能表达机器人内部的情感变化。

5。实验

5.1。情感认知和心理能量

作为讨论的部分1情感分类和监管,离散模型是至关重要的局限性。所以对于扩大机器人情感输出信息连续空间,我们使用一个最具影响力的AVS 3 d模型领域的情感计算领域:,布雷西亚提出的还20.]。基于总重新评价策略部分中解释2.1我们描述了认知情感模型,这种方法在AVS空间。情感计算坐标的基础上志愿者的反应兴奋的情绪状态沿着三个情感维度,价,和立场。和所有的情感维度是有限的范围内 “平静”状态是放置在原始点 。

图8图形化地显示了一个示例的心理能量分布在活动现场状态空间,当前的情绪状态和刺激后情绪状态的认知重新评价心理能源资源是试图影响情绪调节的过程。目前,机器人的坐标值的情绪状态 和外部刺激来自微表情是悲伤的价值坐标 。机器人生理耐力系数 。从图可以看出8情感能量随着距离的增加渐渐减少情绪状态和情绪的来源。情感的来源和心理能量迅速下降。所以我们设置两个阈值限制情感激活范围。如果情绪状态的能量大于或小于阈值,这些情绪是不可能发生的。这种现象是完全符合经典情感理论在心理学领域(29日]。基于未来情绪状态的相对位置和情感的来源,家庭情感包含更高的能源将转移概率大于情感家庭含有较低的能量。,第一个随机过程的转移概率嗯可以算出。


图8
心理认知刺激引起的能量分布和机器人当前的情绪状态。
5.2。情绪调节的过程

根据节3.3情感家庭的分布概率计算下一双情感,机器人的认知刺激情绪状态和自己当前的情绪状态,然后机器人情绪状态的输出有26种可能性之间的空间关系的基础上,目前的情绪,刺激情感,和明年的情感。这种方法强调了能力找到大量的中间的情绪状态,这是十分重要的因为他们丰富机器人情绪调节系统的输出。在图9来自微表情,外部刺激的情绪状态是“悲伤”,我们可以观察到的跃迁概率microvariation情感家庭6典型的情绪(除了悲伤,因为悲伤的心理能量超过阈值时,它会不会发生)与机器人的情绪状态的变化。在这里,机器人的情感坐落在任何时候 = 0和立场。


图9
情感家庭的概率的例子。

图10显示了机器人情绪调节过程与平静的最初的情绪状态。在0-15年代,机器人的情感保持差不多在任何外部刺激。15秒,外部刺激“厌恶”源自表情的发生,所以机器人情感的负面程度逐渐增加在15 35年代和35年代达到了平衡。那么这个情感体验与机器人约15秒。因为“厌恶”刺激已经消失了一段时间,机器人情绪状态逐渐趋于“平静”在50 - 65年代(30.]。在65年代,一个外部的刺激来自微表情发生的“幸福”,所以机器人情感的积极程度逐渐增加在65 - 80年代和80年代达到了平衡。然后用机器人相似的情感体验15年代和95年代期间逐渐减弱。


图10
机器人情绪调节过程与不同的外部刺激。

过滤后的34名志愿者参与交互和每个人实验100 -时间交互符合指定的标准。每个参与者填写预测量表在实验开始之前。在这种规模,参与者预测简化机器人的下一个输出状态的影响规模(如图2)包括7典型刺激状态和7典型的情感投资(共有7×7种可能的典型输入)。每个交互的参与者填写满意度调查在交互。这个调查设计两个选项为每个交互(表达同意和不同意)。从评价结果,如果他们提前推理出机器人的情感输出,体验后的平均匹配率是69.75%。然而,它上升到97.52%时只考虑参与者的协议机器人输出的情绪。客观地说,使用基于认知情感模型重新活跃领域允许机器人模仿人类的情绪调节,这是,实际上,我们工作的目的。但是结果很难与其他情绪调节的研究,可以发现在文学,因为大多数此类研究不承认刺激情绪在微表情和情绪状态转移arousal-valence-stance条款。另外的一些研究还没有测试物理机器人实验条件下(具体机器人设备和实验平台是指(30.,31日]),不提供的坐标作为输出3 d空间的情绪状态进行了研究。

6。结论

摘要情绪调节的工作值得注意的特点是简单的交互模式提供的分类和跳跃的一组情感标签,和它在一个3 d的情感空间使广泛的中介情绪状态下获得的外部刺激。此外,这个系统集中在情绪调节的研究领域根据自然面部表情认知和提出了一个基于总表情的认知和情绪调节模型重新评价策略。总认知重新评价策略有效地减少消极情绪体验和行为表现,所以它可以提供一个智能的认知风格计算机/机器人作为人机交互的积极作用。嗯双随机过程使机器人情感在人机交互更加多样化。一般来说,使用嗯活跃领域的基于认知情绪调节模型重新评价允许机器人模仿人类的自然情绪调节。

我们目前的研究只是提出了一个可计算的情感在连续空间模型应用于普遍的心理意义但不考虑特定的情感变化。从这之后,面向未来的作品应该认知-情感计算研究来自大自然的灵感通过情感建模在连续活跃空间,特别是需要多注意多通道外部刺激和普遍的情感计算。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是由中国国家自然科学基金支持的(没有。61432004,61170115),中国(没有国家关键技术研发项目。2014 baf08b04),北京工程技术中心的基础融合网络和无处不在的服务。