文摘

孤独和孤立全球正在上升,威胁人类福祉和不同年龄组的健康和背景。值得注意的是,全球社会距离措施在COVID-19危机加剧了这个问题,导致各种心理和生理疾病。在这两个类别的社会和医疗机器人,机器人伴侣能够与用户的情感并提供持续的监控和评估他们的健康。在这项研究中,我们提出一个框架,用于建模的同伴的情感空间机器人来促进他们的情感生成和基于Plutchik过渡轮的情绪和可逆量子电路方案。叠加编码允许更少的计算资源的生成和存储的情绪状态,并利用统一的操作,他们促进情感更容易过渡和恢复在不同的时间间隔。进一步说,一个加密策略设计基于情感通信架构安全emotion-related人机交互的数据。希望这样一个综合框架和研究议程探索机器人伴侣的角色将是有用的照顾用户的社会健康,减轻他们的负面情绪,尤其是在困难时期。

1。介绍

人工智能(AI)指的是模拟人类智能的机器(如机器人)程序像人类一样思考,模仿他们的行为。近年来,人工智能和机器人技术的进步引起了远大前程所谓的伙伴机器人(1),即。,robots that are specifically designed to engage in physical and linguistic, as well as emotional interactions with humans. One of the main goals of these robots is often the emotional care of children, the elderly, and people with disabilities. From this point of view, these robots should be capable of recognizing, understanding, and expressing various emotional characteristics that will facilitate their interactions with humans naturally and harmoniously [2]。然而,机器人的情感,像一个人的情感,是一个复杂的变量随时间和受许多因素影响,统称为场景的发展,即。外部环境(大气背景音乐和通讯)和人类的情感变化(如面部表情、语言,和其他生理信号)。这些特性使机器人的情绪难以记录,跟踪和恢复。因此,介绍了情感空间的概念(3)来描述情感和其复杂的变化更加直观地通过建立一个数学模型的情绪状态。

按照维数理论的情感空间,所有的人类情感都分布在某一维空间和各种情绪是分布在不同位置(4]。因此,不同情绪状态之间的相似和差异可以显示基于距离空间。其中,以下情感模型被广泛引用。valance-arousal (VA)模型(5]包括价和唤醒维度代表pleasant-unpleasant和excited-calm情绪的程度,分别。弗吉尼亚州的一个扩展模型,pleasure-arousal-dominance (PAD)模型(6)使用一个额外的“D”维度表明dominance-submissiveness,即。,the control state of the individual emotion relative to given situations and influences from others. Finally, Plutchik’s wheel of emotions (PWE) model [7)利用色彩心理学,强调情感和色彩之间的关系在不同情感类型和强度。它提供了一个简单的逻辑方法的感受,从而被广泛用于情感总结,情感检测、和情感分析。

最近,量子信息科学已经从示威游行在实验室有限凌日成熟领域的科学和工程领域,如人工智能(8和机器学习9]。同时,讨论量子力学之间的关系和情感计算的工作已经进行了很长一段时间(4]。2007年,Lukac和潘考夫斯基提出的量子力学模型来表达特定的情感机器人基于量子细胞自动机(10]。之后,通过使用量子电路(qc)模型模糊集,Raghuvanshi等人先进的方法来处理情感行为的类人机器人(11]。虽然这些贡献模型旨在更好地理解和情感从量子计算的角度来看,他们未能提供具体的数学公式,便于计算和操作的情绪。改进这些努力,2015年,燕等人提出一种情感空间基于布洛赫球体,在哪里 是用来表示不同的情绪,强度 从低到高的变化12]。在此基础上,2020年,Hoorn杏仁核内等人建模一个纯粹的心理状态通过情感和反光元素组成的一个向量(13]。然而,这些研究不能充分利用空间的情感模型,导致情感表达的局限性和在复杂情感的人机交互效率低下(HRI)。

为了弥补这些缺点,在这项研究中,我们提出一个框架,用于建模的同伴的情感空间机器人来促进他们的情感生成和基于PWE过渡和可逆的质量控制方案。这样一个框架包括两个emotion-related组件(类型和强度)及其活性周期(即。,time period), in which emotion type is encoded by an angle vector within a superposition state, while emotion intensity and time period are both encoded by quantum sequences. Superposition encodings allow fewer computing resources for the generation of emotional states and the unitary operations facilitate easier tracking of emotion transitions over different intervals in the emotion space. Since companion robots always focus on social and medical uses, in order to fully protect user’s privacy, we finally designed a reliable security strategy of emotional data in the emotional HRI environment. To achieve the abovementioned goals, several quantum models and operation modules are presented in each corresponding section.

本文的其余部分组织如下。节2,框架模型机器人伴侣的情感空间和情感提出了代内的情感空间。节3,一系列的情感过渡和恢复操作基于情感类型和强度进行了讨论。节4、一种情感加密策略是专为情感HRI的安全通信。结论和未来的工作进行了总结5。

2。同伴的情感表示机器人

PWE模型和质量控制方案的基础上,在本节中,我们提出一个量子PWE结构,即。,QWE, in which the emotion types of robots are encoded into the phase parameter of a superposition qubit, and the corresponding emotion intensities are encoded into a sequence of qubits. Based on the QWE, its initialization and measurement are discussed.

2.1。量子结构PWE

Plutchik把情绪分为八个(两两相反)主要类型,即。,“trust” versus “disgust,” “joy” versus “sadness,” “anticipation” versus “surprise,” and “fear” versus “anger,” as shown in Figure1。此外,他建立了一个重要的情感和颜色的车轮之间的关系的情感,即。,越接近车轮的中心,较暗的颜色和更强的情感。因此,八个核心情感类型可以被扩展到另一个16情感通过添加或减少他们的强度(即。,使当前情感强和弱),如PWE模型如图所示2(a)。此外,有八种中间情绪,可以实现两个相邻的情感类型之间的平稳过渡,比如“爱”被中间的情感之间的“信任”和“快乐”和“提交”中间的情感之间的“信任”和“恐惧”。

虽然对机器人更好掌握更多与人类情感交流的技能,他们的情感永远不会一样精致而多样化的一个人。制定和改变机器人的情感,我们稍微修改了原始PWE模型(即。,removed the intermediate emotions and extended the eight core emotions into their lowest intensities, which we name corresponding marginal emotions), as shown in Figure2(b)。因此,很明显,每一个情感的机器人可以唯一地确定参数的角度(从0到 )并在这个圆盘半径。

在量子力学中,给定一个正交基,任何纯态量子位可以写成一个叠加的基向量和(14]。量子力学还规定,任何系统的总概率必须等于团结,也就是说, 或 。鉴于这种约束,可以总是表示使用吗 ,在哪里 。因此,情感类型可以编码(使用角度 为方便情感检索操作)的概率振幅叠加量子位,表示为 机器人的情感将取决于其情感类型及其对应的强度。如图2(b),有四个层次的情感强度,这是由量子序列 , , ,和 ,分别。QWE可伸缩,情绪强度的值被设置为可调节使用量子位(可以表示强度的水平),这是通常定义为

因此,综合QWE模型可以表示为 在哪里和定义在方程(1)和(2),分别。因此,指定PWE模型中的情感是唯一由一个角间隔和对应的半径值,如表所示1。

2.2。QWE初始化和测量

利用qc来处理情感信息强加首先需要存储量子态的情感。情绪一代使用QWE包含两个组件的初始化,即。、情感类型和情感强度 。首先, 量子位应该准备存储机器人的初始形式的情绪状态 。然后,我们考虑到操作, 改变一个国家预计将情感类型 ,也就是说,

在这之后,一个操作是应用于获得相应的情感强度 ,也就是说,

迄今为止,一种情感状态QWE光盘从初始状态获得 。

测量操作的独特工具一个恢复从量子经典信息系统(14]。促进之间的信息交换的经典和量子模型在混合动力系统中,情感检索从QWE模型是一个重要的要求。过程可以用下面的步骤来完成。

首先,情感类型可以通过概率获得测量状态 ,也就是说, 。然后,角的值可以计算antitrigonometric功能 ,在哪里 。此外,情绪强度可以通过投影测量从量子序列中恢复过来 ,也就是说,

一种情感检索操作确保机器人的情感可以在任何时候恢复通信伙伴机器人与其他经典模型架构。

3所示。情感生成和转换的伙伴机器人

记录和跟踪机器人伴侣的情感变化,有必要整合机器人的活动周期(即。、时间)在情感空间。因此,一个量子位的序列代表时间。QWE-based情感空间(QWES)被定义为 在哪里定义在方程(3), 。一般来说,商店机器人的情感和时间信息在那一刻。

作为一个三维(3 d)情感空间,QWES组成QWE光盘,如图3(一)和3(b),每个盘是用来定位机器人的情感 。因此,QWES被描述和可视化为圆柱图3(c),从每个即时代表不同的情感 来 ,和汽缸的颜色梯度曲线记录机器人伴侣的情绪变化。

3.1。情绪代QWES

情感伴侣的机器人是一个依赖于时间的和不断变化的变量,即。,一个机器人的情感与先前的情绪状态在时间吗 。在情感HRI,机器人的情感会改变根据接收到的刺激达到相应用户的目的。这些刺激是人类情感的描述,主要包括人类生理和行为的信号(如心率和面部表情)和环境因素(如大气)。

来描述机器人的过渡的情感随着时间的推移,这些刺激编码为一个酉矩阵 ,也就是说,emotion transition matrix (ETM). Using the ETM, the relationship between the present emotion and previous emotional state in the QWES is formalized as 在哪里机器人的初始情绪状态和吗是一系列的etm描述机器人的情绪的变化从最初的现状。

因此,可以用来跟踪ETM情绪,和它的逆矩阵可以用来恢复情绪状态的时间吗从时间 ,也就是说,

图4仅仅是一个例子,描述了QWES情感生成和转换的过程。伙伴机器人情感“兴趣”接收外部刺激然后将自己的情感转化为通过ETM“接受”,也就是说, 。在经历三个来自外部环境的刺激,机器人的情感变得“赞赏”,也就是说, 。这个过程再次表明,机器人的情绪变化是一个持续的过程,目前的情绪是与先前的情绪状态有关。

基于以上讨论,时间和最初的情感是情感的两个核心部分在QWES生成和转换。这两个部分将分别讨论。首先, 量子比特( )机器人的QWES准备存储,在哪里 量子比特用于机器人的情感和编码量子位元是用来初始化时间。

然后,应用变换 在 ,中间状态生产 在哪里我和H是2 d的身份和阿达玛矩阵。

到目前为止,QWES已经制定的时间信息,即。,机器人的活动周期已经被初始化。然而,在这一刻,没有QWES情绪状态,但立即当机器人接收到一个瞬时从外界刺激(例如,在瞬间 ),机器人将生成其情绪状态。数学上,这个过程可以实现使用量子操作符 ,定义为 在哪里 用于生成机器人的情感在时间吗 。因此,应用操作中间状态在方程(11)将生产机器人的初始的情绪状态 : 这被认为是 ,正如前面所讨论的。

方程(14)表明,是一个操作,只有生成机器人的情感价值的时间吗QWES,而情感在其他时间段将刺激ETM从最初的情感随着时间的推移。情感的生成和转换的QC QWES图所示5,在那里是一系列的etm用于情感过渡。下面几个基本的转换操作使用ETM将枚举。

3.2。基本情绪的转换

情感过渡旨在调整机器人的情绪来适应人类的情感需求。这可能是由人类行为数据(面部表情和肢体动作)或生理数据(血压和心率)。在本节中,一系列统一的操作将被用于机器人的情绪从一个状态转换到另一个QWES,包括他们的情绪类型和强度。

3.2.1之上。情感型转变

一个情感型的过渡是一个基本操作实现从一种类型转换到另一个,但不会影响其情感强度。我们定义的情感型转移矩阵作为 在哪里 定义在方程(4), 是情感的过渡参数类型。方程(16)显示了情感型过渡的过程: 在哪里 和

如方程所示17)和(18),角矢量编码从情感类型 来 ,的强度依然没有改变。执行此操作的质量控制是描绘在图6(一),在那里 显示不同的时间间隔。图6 (b)显示了各种可能的情感结果通过实施不同的过渡参数时最初的情感类型了 。

3.2.2。Emotion-Intensity过渡

情感强度是由一系列量子位编码及其过渡需要操作多个量子比特,设置它们或 。Emotion-intensity过渡是指强度的变换到一个新的状态通过增加或减少转换参数 /从其先前的状态。为了实现此操作,emotion-intensity过渡矩阵被定义为 在哪里是一个量子加法器(15),包括两个模块,即。,sum modules for bitwise summation and carry modules for corresponding carries. Its implementation gives 应用在将会产生 在哪里 emotion-intensity转换后的结果,而情感类型是不变的。

图7(c)介绍了QC emotion-intensity转换量子加法器和量子控制1门(16)将情感强度而不影响任何情感类型。如图7(一),量子控制1门可用于设置输入量子位来有一个条件为了防止溢出错误。假设机器人的情绪是“边际愤怒,”也就是说, ,可能有不同的结果值呈现在图7(b)。根据量子操作的可逆性,减法的过程同样是可执行使用量子加法器。因此,情感过渡到一个较低的强度可以同样意识到,一个量子控制0门(类似于目标量子位的量子控制1门但设置为0)将用于预防溢出。

由于机器人的情绪是指定由情绪类型和强度,可以将ETM通常定义为 达到情感的过渡。此外,节中描述2.1QWE模型中,情感在对角线位置是相反的。因此,可以简单地意识到这些相反的情绪之间的相互过渡使用上面的操作和设置角度和量子位序列。

3.3。情感追踪和恢复的例子

情感跟踪是一个过程,跟踪情感转换在不同的时间间隔。当同伴机器人准备好了在一个情感HRI,其活跃周期提前将被初始化,使用三个阿达玛门,见方程(11)。在这个例子中,我们假设在是由三个量子位编码,即 。随后,其最初的情感(即。,“trust”) will be generated as the basis of emotion transition to another time period. Notably, the transitions between emotions are realized by ETM, as was discussed earlier. The QC is presented in Figure8,情感在时间 “钦佩。警惕“过渡到情感在时间 实现了一个可控的旋转矩阵吗 两把CNOT门 。

具体来说,获得情感的“警惕” ,执行以下三个步骤(进一步在绿色区域图8)。步骤1:使用一个可控的旋转矩阵 一把CNOT门产生情感的“信任”步骤2:使用受限量子操作加法器将情感在步骤1中“钦佩”第三步:申请一个可控的旋转矩阵 进一步将情感在步骤2中“警惕”

跟踪和恢复机器人的情绪是有用的监测和分析用户的情感变化,特别是那些需要情感的呵护。

4所示。情感加密策略情感HRI架构

由于伙伴机器人总是收集、分析和传播大量用户的情感数据,有必要设计一个可靠的情绪情感HRI数据安全策略。在本节中,其中情感HRI的架构及其安全问题进行了分析。此外,基于我们提出QWES模型中,数据加密策略,情感进一步提出实现安全通信。

4.1。在情感HRI架构和安全问题

基于的讨论17,18),在本节中,一个情感HRI架构讨论强调提出QWES的角色。提出了图9,情感HRI的体系结构主要包括三个对象:用户、伙伴机器人,和云平台。伙伴机器人的体系结构可以分为三层:传感、应用程序和网络层。传感层负责收集和识别用户的emotion-related数据,包括生理多通道数据,周边环境数据,和最近的社会信息。此外,应用程序层是用来分析用户的情感数据(使用机器,深度学习算法(19])来生成伙伴机器人的情绪和行为,从而为用户提供情感护理服务,例如,基于ai情感监控、表情和动作的反馈,和各种个性化的应用程序。最后,网络层包括各种network-forward设备传输用户的情感数据到指定的位置(例如,云平台)。

云计算平台是一个强大的工具来分析和处理同伴的情感数据从网络层接收到的机器人。它存储大量的情感数据用户和伙伴机器人QWES的形式。云计算平台可以进一步分为边缘和远程云系统。由于同伴的计算和存储能力限制的机器人,边云系统是用来接收和处理各种复杂的计算任务为了加快计算速度和更低的延迟。此外,远程云系统不需要部署在靠近伙伴机器人和用户,可以集中精力处理和存储大规模计算任务和情感上的数据没有及时响应需求。

基于上述情况,建议,在此体系结构中,用户提供的情感数据传感层的伙伴机器人和接收来自应用程序层的情感关怀的行为的机器人。补充,同伴机器人可以共享用户的数据和它自己的日志到云平台进行处理(例如,允许个人治疗医学专家来分析这些数据,评价同伴机器人的服务水平和病人提供实时监控用户的家庭)。此外,一个伙伴机器人还可以交流或情感信息交换与其他同伴机器人通过云平台(20.]。

通过分析情感HRI架构图9,下面的安全问题。首先,用户的情感数据获得的传感层的伙伴机器人是基于多通道由用户生成的数据层。因此,用户的情感数据包含大量的敏感信息(如用户的生理多通道数据)。泄露用户的情感数据存储在同伴机器人将严重危及用户的隐私。第二,应用程序层的伙伴机器人会产生自己的情绪和行为在分析用户的情感数据。如果攻击者破坏和修改这些情感数据伙伴机器人,机器人将为用户提供不正确的行为和护理。第三,用户的情感信息上传到云平台的伙伴机器人将经常访问的各种各样的应用程序(例如,实时监控用户的家庭)。如果这些情感数据恶意使用,会影响病人的诊断结果和不正确的情感数据将传播与其他伙伴机器人通信期间,其他的可能性。

保护安全和隐私的情感HRI环境,一个平行的情感加密算法(PEEA)提出保护情感QWES的形式存储的数据。这个算法主要有两个动机。首先,情感数据本质上是一种特殊的多媒体数据。尽管多媒体数据的各种传统安全技术存在(21),很少有研究考虑情感数据加密基于情感HRI架构。第二,PEEA算法在这项研究充分利用量子计算的并行特性,它使用更少的量子操作提供更好的加密效果。

4.2。平行情感加密算法

情感HRI环境的安全分析强调情感数据加密的重要性。在本节内,PEEA策略设计第一尝试基于QWES模型,包括加密的情感类型和强度。情感的加密强度由量子循环移位操作(QCSOs)和子序列交换操作(sso)。QCSO模块负责将每一块在情感强度数据向上叠加态的量子比特的数量。SSO模块用来交换的子序列数据每一块强度数据和不同的值在不同的情况下。这两个操作的结合促进了加密的所有QWES emotion-intensity数据并行模型。

4.2.1。准备QCSO和SSO模块

QCSO是用来实现emotion-intensity操作价值观的转变 ,这可以通过一系列量子交换盖茨[22),如图10。假设情感强度表示米量子位,然后盖茨可以进行组合,以实现QCSO交换一次。的质量变化量子位的量子位,同样, 量子位转移一个量子位向上的在一个合适的序列。

几个SSO操作定义基于两个量子位,可以用来交换的和量子位emotion-intensity序列不,把CNOT,盖茨和交换, 。显然,有四种可能的组合的子序列组成的两个量子位元和 ,和这些组合将构成六个可能的交换操作23]。如图11SSO,这些操作都是由大写字母f表示使用的加密算法。

4.2.2。PEEA策略

为了保护同伴的情感数据在一个活跃的周期机器人,情感型和强度加密模块实现图12。emotion-intensity加密包括QCSO和SSO操作和情感型加密是由一系列可控的旋转大门。这两种加密模块实施相结合,例如,应用可控的旋转大门的情感类型 ,但其控制条件的情感强度 。

准备两个随机数序列的情感类型的加密策略。第一组只有0和1组成的,用于设计可控的旋转的控制量子比特门在每种类型的加密模块。第二组由七个整数 ,每一个随机数参与情感的加密类型。因此,在每一个可控的旋转门设置为旋转角度 。

总之,实现PEEA策略的过程分为以下步骤:步骤1:两个随机序列是为情感型生成加密。QCSO模块应用于量子位的情感强度序列 。这时,一个可控的旋转大门 情感上执行类型从最高的量子位的控制条件 ,也就是说, 。可控的旋转栅参数提供的两组随机序列。步骤2:一个SSO操作(比如“A”图11子序列)是随机选择的行动情绪的强度 。然后上执行一个可控的旋转大门情感类型与控制条件限制 。所需的参数也同样提供的两组随机序列在步骤1中。步骤3:在第1步和第2步迭代的操作执行。提高加密结果,几个SSO操作可用于迭代。为方便描述,仅执行一个SSO的每个迭代算法。本例的质量控制图如图13。

就像前面提到的2.1,由于QWE模型的可伸缩性,情感强度从两个量子位可以扩展量子位。假设 ,加密策略的差异主要在于情感强度 ,如图14。值得注意的是,当情感强度大于四(即。,米或e than 2 qubits are used to represent the emotion intensity), more SSO operations should be randomly selected after performing a QCSO operation in each iteration. In this example, three kinds of SSO modules are used. In addition, it is necessary to ensure that all the qubits in是由多个处理SSO模块,如图(14日)。emotion-intensity数据的加密结果呈现在图14 (b)。它被认为,在两个迭代,所有的emotion-intensity数据已经加密。

4.3。情感加密使用PEEA策略的例子

在本节中,我们应用加密过程图13QWES模型。进一步说,我们给的格式加密和解密密钥和解密过程解释。分析,如图13以下给出加密密钥: 在哪里和分别表示第一次和第二次加密迭代。“问”和“R”代表,分别QCSO和可控的旋转操作用于加密的情感类型。他们的下标表示生成的随机数参与加密算法。第一位数方括号右边的“R”表示该操作的控制条件,即。时,可控的旋转门执行控制量子位都设置为0或1。第二个数字表示的位置控制量子位。此外,f代表随机采用SSO模块,数字在方括号代表两量子比特的模块执行。箭头表示每个操作的执行顺序。

根据方程(中定义的加密密钥22),质量控制图13将加密的情感数据基于QWES模型。原始的情绪和相应的加密的情绪在每一刻在图所示15。

量子操作是可逆的,因为所有的解密过程PEEA策略是相反的情感加密过程的实现。因此,在解密密钥的生成,每个模块的执行顺序是相反的加密密钥:

提出PEEA策略利用量子计算的并行性,可以在全球范围内加密的情感数据基于QWES模型只有一些简单的量子门。这表明当QWES-based情绪情感HRI架构中的数据传输,可以实现足够的保障措施,以更好地保护用户的隐私。

5。结论

在这项研究中,我们关注的问题AI-enabled情感关心人类幸福和健康,因此提出一个框架,用于建模的同伴的情感空间机器人来促进他们的情感生成和基于Plutchik过渡轮的情绪和可逆量子电路方案。众所周知,个人和私人情感数据;因此,保护情绪情感HRI环境中生成的数据,一个平行的情感加密算法在第一次尝试利用量子计算的并行特性,可以使用更少的量子操作和提供更好的加密效果。与可用的文学相比,本研究不仅充分利用情感模型的数学公式和维度提供有效的计算和操作的情绪也会导致一个加密的设计策略基于情感的沟通架构安全emotion-related数据。

在未来的工作计划,这项研究可以扩展在以下方向。首先,提供自然交流,QWES模型之间的交互和其他对象或层的情感HRI架构应进一步研究。第二,情感的生成是一个不断变化的过程,需要一系列的情感转换矩阵。数据采集和矩阵公式应精炼,以支持伙伴机器人的个性化发展。第三,利用量子傅里叶变换的可能性(24)和其他先进的量子算法高效、安全的情感处理应该探索。最后,让同伴机器人情感HRI环境中更聪明,其他几个量子激发算法所,如量子机器学习(9)和量子认知(25),可能值得进一步的研究。

数据可用性

没有数据被用来支持本研究。

的利益冲突

作者宣称没有利益冲突。