iCub机器人表达基本的人类情感

随着机器人进入各种各样的环境，并开始定期与人类交流，它们应该能够尽可能有效地与用户交流。在过去十年左右的时间里，世界各地的研究人员一直在开发基于机器学习的模型和其他计算技术，以增强人类与机器人之间的通信。

改善机器人与人类交流的一种方法是训练它们表达基本的情感，如悲伤、快乐、恐惧和愤怒。表达情感的能力最终将使机器人以符合特定情况的方式更有效地传达信息。

德国汉堡大学(University of Hamburg)的研究人员最近开发了一种基于机器学习的方法，教机器人如何传达之前被定义为七种普遍情绪的东西，即愤怒、厌恶、恐惧、快乐、悲伤、惊讶和中性状态。他们在arXiv上发表的论文中，在一个名为iCub的人形机器人上应用并测试了他们的技术。

研究人员提出的新方法从以前开发的TAMER框架中获得灵感。TAMER是一种用于训练多层感知器(MLPs)的算法，MLPs是一类人工神经网络(ANNs)。

在最近的研究中，TAMER框架被应用于训练一个基于机器学习的模型，通过在iCub机器人中产生不同的面部表情来传达不同的人类情感。iCub是一个开放源代码的机器人平台，由意大利理工学院(IIT)的一个研究团队开发，是欧盟RobotCub项目的一部分，该项目经常用于机器人研究，以评估机器学习算法。

研究人员在论文中写道:“这个机器人结合了卷积神经网络(CNN)和自组织地图(SOM)来识别一种情绪，然后学习使用MLP来表达相同的情绪。”“我们的目标是教会机器人对用户的情感感知做出充分的反应，并学会如何表达不同的情感。”

研究人员使用的CNN分析了iCub机器人捕捉到的人类用户面部表情的图像。该分析产生的面部特征表征然后被送入SOM，它揭示了用户如何表达特定情绪的特定模式。

随后，这些模式被建模并用于训练一个MLP来预测iCub的面部特征如何被调整以最佳地模仿用户的面部表情。然后，人类用户根据机器人表达特定情绪的准确程度给予奖励。

研究人员在他们的论文中解释说:“一旦iCub执行并开始行动，用户就会给予奖励，从而给它一个要实现的目标价值。”“这是通过要求用户模仿机器人来实现的，给它提供信息，告诉它所执行的动作与预期的动作有多大的不同。”

随着时间的推移，基于它从人类用户那里获得的奖励，研究人员设计的框架应该学会表达七种普遍情绪中的每一种。到目前为止，该技术已经在iCub机器人平台上进行了一系列的初步实验，取得了很好的效果。

研究人员说:“尽管结果很有希望，而且大大减少了训练所需的时间，但我们的方法仍然需要每个用户进行100多次互动才能学会有意义的表情。”“随着培训方法的改进和为培训收集更多数据，预计这个数字将会减少。