D0I:10.13374/i.issnl00113.2009.06.024 第31卷第6期 北京科技大学学报 Vol.31 No.6 2009年6月 Journal of University of Science and Technology Beijing Jun·2009 基于情感能量模型的表情机器头 解仑王志良 北京科技大学信息工程学院，北京100083 摘要首先以心理动力学中的心理能量慨念为基础，分析了情感能量以及表示情感状态的相关参数：然后根据情感能量守 恒定律，研究了情感能量分配结构的数学表示方法和情感能量分配模型，进一步分析了情绪状态的变化过程，提出了情绪状 态刺激转移过程的隐马尔可夫链及其模型算法：利用MATLAB建立相关情感状态变化的仿真研究平台，进一步研究了情感 状态的变化规律.最后根据以上情感模型及其变化规律构建出表情机器头的综合研究平台，仿真结果与机器头实验数据的一 致，验证了仿真模型的有效性 关键词表情机器头：情感能量：概率描述空间：刺激转移过程；隐马尔可夫链 分类号TP242 Emotional robot head based on an emotional energy model XIE Lun,WA NG Zhi-liang School of Information Engineering.University of Science and Technology Beijing.Beijing 100083,China ABSTRACI Emotional energy and related parameters describing emotional state were analyzed based on the psychological energy of psycho-dynamics.An emotional energy distributing configuration model and an emotional state probability description space were studied according to the energy balance law.The hidden Markov chain algorithm of excitation transition process was implemented to specify emotional state transferring process.By means of MATLAB simulation,the changing law of emotional state was further stud- ied.Finally.a comprehensive research platform of emotional robot heads was built.It was also found that the results simulated by the emotional energy model were in perfect agreement with the experimental ones of an emotional robot head.demonstrating the validity of the model. KEY WORDS emotional robot head:emotional energy:probability description space:excitation transition process:hidden Markov chain 为了在日常环境中和人类交流，在更广泛的环 所以必然导致仿人机器人与人类相互交流、共存 境任务中扩展人类的能力，人类开始了仿人机器人 因此这就要求仿人机器人不仅要具有双腿、双臂、 的研制，虽然仿人机器人的研究开始于20世纪60 头、眼、颈和腰等与人类相似的物理特征，还能模仿 年代，但其发展迅速，尤其在美、日等发达国家，此方 人类的视觉、触觉、语言，甚至情感等抽象特征，仿 向的研究已经发展到竞相研制的局面.经过40余 人机器人研究在很多方面已经取得了突破，如关键 年的发展，目前仿人机器人研究已成为机器人技术 机械单元、基本行走能力、整体运动和动态视觉等， 领域的主要研究方向之一山.随着对机器人研究的 但是离理想的要求还相去甚远，还需要在仿人机器 不断深入，机器人研究对生物学、心理学、社会学、行 人的思维和学习能力、与环境的交互、躯体结构和四 为学和语言学等领域的知识与技术的需求会不断增 肢运动、体系结构等方面进行更进一步的研究，现 加，各学科之间的交叉性越来越强，可以预见，未来 有仿人机器人系统的主要缺陷是对环境的适应性和 机器人技术是朝着网络化、高度智能化的方向发展， 学习能力的不足.机器的智能来源于与外界环境的 收稿日期：2008-10-18 基金项目：国家高技术研究计划资助项目(N。,2007AA04z218):国家自然科学基金资助项目(N。,60573059) 作者简介：解仑(968一)，男，副教授，博士，E-mail:ygao@mal.tsinghua.edu:cm
基于情感能量模型的表情机器头 解 仑 王志良 北京科技大学信息工程学院北京100083 摘 要 首先以心理动力学中的心理能量概念为基础分析了情感能量以及表示情感状态的相关参数．然后根据情感能量守 恒定律研究了情感能量分配结构的数学表示方法和情感能量分配模型进一步分析了情绪状态的变化过程提出了情绪状 态刺激转移过程的隐马尔可夫链及其模型算法；利用 MAT LAB 建立相关情感状态变化的仿真研究平台进一步研究了情感 状态的变化规律．最后根据以上情感模型及其变化规律构建出表情机器头的综合研究平台仿真结果与机器头实验数据的一 致验证了仿真模型的有效性． 关键词 表情机器头；情感能量；概率描述空间；刺激转移过程；隐马尔可夫链 分类号 TP242 Emotional robot head based on an emotional energy model XIE L unW A NG Zh-i liang School of Information EngineeringUniversity of Science and Technology BeijingBeijing100083China ABSTRACT Emotional energy and related parameters describing emotional state were analyzed based on the psychological energy of psycho-dynamics．An emotional energy distributing configuration model and an emotional state probability description space were studied according to the energy balance law．T he hidden Markov chain algorithm of excitation transition process was implemented to specify emotional state transferring process．By means of MAT LAB simulationthe changing law of emotional state was further studied．Finallya comprehensive research platform of emotional robot heads was built．It was also found that the results simulated by the emotional energy model were in perfect agreement with the experimental ones of an emotional robot headdemonstrating the validity of the model． KEY WORDS emotional robot head；emotional energy；probability description space；excitation transition process；hidden Markov chain 收稿日期：2008-10-18 基金项目：国家高技术研究计划资助项目（No．2007AA04Z218）；国家自然科学基金资助项目（No．60573059） 作者简介：解 仑（1968—）男副教授博士E-mail：ygao＠mail．tsinghua．edu．cn 为了在日常环境中和人类交流在更广泛的环 境任务中扩展人类的能力人类开始了仿人机器人 的研制．虽然仿人机器人的研究开始于20世纪60 年代但其发展迅速尤其在美、日等发达国家此方 向的研究已经发展到竞相研制的局面．经过40余 年的发展目前仿人机器人研究已成为机器人技术 领域的主要研究方向之一［1］．随着对机器人研究的 不断深入机器人研究对生物学、心理学、社会学、行 为学和语言学等领域的知识与技术的需求会不断增 加各学科之间的交叉性越来越强．可以预见未来 机器人技术是朝着网络化、高度智能化的方向发展 所以必然导致仿人机器人与人类相互交流、共存． 因此这就要求仿人机器人不仅要具有双腿、双臂、 头、眼、颈和腰等与人类相似的物理特征还能模仿 人类的视觉、触觉、语言甚至情感等抽象特征．仿 人机器人研究在很多方面已经取得了突破如关键 机械单元、基本行走能力、整体运动和动态视觉等 但是离理想的要求还相去甚远还需要在仿人机器 人的思维和学习能力、与环境的交互、躯体结构和四 肢运动、体系结构等方面进行更进一步的研究．现 有仿人机器人系统的主要缺陷是对环境的适应性和 学习能力的不足．机器的智能来源于与外界环境的 第31卷 第6期 2009年 6月 北 京 科 技 大 学 学 报 Journal of University of Science and Technology Beijing Vol．31No．6 Jun．2009 DOI:10．13374／j．issn1001－053x．2009．06．024
第6期 解仑等：基于情感能量模型的表情机器头 ·805 相互作用，仿人机器人与环境相互影响的能力依赖 制两种状态间按一定的生理机制呈周期性的变 于其富于表现力的交流能力，如肢体语言（包括面部 化，个体的意识状态也将在清醒与不清醒之间进 表情)、思维和意识的交互，目前，机器人与人的交 行转化，从而使得情感能量E。在表达各种情绪的 流仅限于固定的几个词句和简单的行为方式，但 时候也呈现出周期性的变化，把由下式定义的情感 是，我们期望仿人机器人的思维方式和行为方式越 能量称为生理性激活的情感能量，用于表现情绪的 来越接近人·即能够通过与环境的交互不断获得新 情感能量可表示为： 知识，而且还能用它的设计者根本想象不到的方式 Eg=E,=a(1-λ+Ym)E (3) 去完成各种任务，它会自己适应非结构化的、动态的 其中，a(0≤≤1)为生理性唤醒度 环境[☑]，这就要求我们注重将人类认知的理论与方 1.2情感能量的分配 法应用到仿人机器人上，使之拥有与人一样的感知 从动力心理学的观点来看，个体产生不同情绪 能力、思维能力，进而现实与人的自然直觉交互， 的过程，就是激活的情感能量E在不同情绪状态 1情感能量与情感状态描述空间的建立 之间的动态分配的过程可]，由E的静态分配结构 的不同，从而使得E的动态分配过程也表现出较 1.1情感能量与其生理性抑制 大的差异性，E的分配可采用按情感能量的绝对 心理能量就是推动个体进行各种心理活动以及 行为的能力，用E表示，它有两种基本表现形式： 值或按情感能量的相对比例的两种方式描述。E? 自由的心理能量和受约束的心理能量，自由的心理 动态分配结构为路=[E,E2,,],称其为 能量用E,表示，它是在适当的心理状态下，自发产 在t时刻的实际表现的情感能量绝对分布向量，根 生的心理能量，用于引导个体从事感兴趣的活动，自 据情感能量守恒定律，有下式成立： 由的表达各种情绪和情感：受约束的心理能量用E 空贷=防 (4) 表示，由以人类本能欲望为基础的需要的满足状态 所激发，用于引导个体从事与未满足的需要类型相 e%=[e,e2,…,e]为在t时刻实际表现的 应的活动，如果成功则这部分受约束的心理能量得 情感能量相对分布向量，其中©=E/E,且有 到释放而变成自由的心理能量，如果受挫则这部分 》员=1.个体在（时刻究竟处于那种情绪状态， 受约束的心理能量得不到正常释放而变成受压抑的 心理能量，令入=E/E为心理能量约束度，= 可由%或e”中的各个分量的相对大小来确定 1一λ为心理能量的自由度，这两个参数表达了情感 1.3情感状态描述空间的建立 状态的松弛一紧张的维度.则上述两种形式的心理 根据上面的讨论，有下面方程： 能量表达式为： E+E2+…+E0=E=a(1一入+Y)E(5) Ex=E,En=E,十λ=1 (1) 0≤E%≤E,0≤E路≤E路，0≤E%≤E哈(6) 伴随着各种活动的进行以及根据活动目标是否 e十e2+…+=1(0≤e™≤1)(7) 达到、需要是否得到满足，而以各种情感状态和情绪 其中，式(5)称为绝对情感能量分配方程，式(7)称为 表达的方式体现出来的心理能量称为情感能量，由 相对情感能量分配方程，相应的几何表示则分别称 于En是自由运动的，它可全部用于表达各种情绪， 为绝对情感能量分布空间和相对情感能量分布空 而E是被约束的，它只能在一定程度上表现为各 间 种情绪，所以情感能量可以用下式表示： 情感状态空间用0,1表示。在Y、入、E为 E,=E,+YE=(1-入)E+YE=(1-λ+Ym)E 常数时，α由1逐渐变化到0，上述情绪状态空间也 (2) 由n逐渐变化到n.把a由1逐渐变化到0所 其中，YE称为有效的受约束心理能量； 对应的全部情绪状态空间称为情感状态空间，Ω (1一)E=E称为无效的受约束心理能量（或称 为最大情绪状态空间（将随着Y、入变化而发生移 为受压抑的心理能量)，它不能驱使个体从事有效的 动)，为最小情绪状态空间. 活动或正常表达情感；Y称为心理性情感兴奋度；ω 1.4情感状态的概率空间 称为心理性情感抑制度，表现了个体情感状态由于 为了统一描述情绪状态的变化情况，把相对情 心理因素而导致的抑制一兴奋程度， 感能量分布描述空间转换成与之等效的情感状态的 由于生理原因，人的大脑神经细胞在兴奋与抑 概率空间描述方式，式(7)从能量分配的角度表达
相互作用仿人机器人与环境相互影响的能力依赖 于其富于表现力的交流能力如肢体语言（包括面部 表情）、思维和意识的交互．目前机器人与人的交 流仅限于固定的几个词句和简单的行为方式．但 是我们期望仿人机器人的思维方式和行为方式越 来越接近人．即能够通过与环境的交互不断获得新 知识而且还能用它的设计者根本想象不到的方式 去完成各种任务它会自己适应非结构化的、动态的 环境［2］．这就要求我们注重将人类认知的理论与方 法应用到仿人机器人上使之拥有与人一样的感知 能力、思维能力进而现实与人的自然直觉交互． 1 情感能量与情感状态描述空间的建立 1∙1 情感能量与其生理性抑制 心理能量就是推动个体进行各种心理活动以及 行为的能力［3］用 E 表示它有两种基本表现形式： 自由的心理能量和受约束的心理能量．自由的心理 能量用 Eη表示它是在适当的心理状态下自发产 生的心理能量用于引导个体从事感兴趣的活动自 由的表达各种情绪和情感；受约束的心理能量用 Eλ 表示由以人类本能欲望为基础的需要的满足状态 所激发用于引导个体从事与未满足的需要类型相 应的活动如果成功则这部分受约束的心理能量得 到释放而变成自由的心理能量如果受挫则这部分 受约束的心理能量得不到正常释放而变成受压抑的 心理能量．令 λ＝ Eλ／E 为心理能量约束度η＝ 1—λ为心理能量的自由度．这两个参数表达了情感 状态的松弛—紧张的维度．则上述两种形式的心理 能量表达式为： Eλ＝λEEη＝ηEη＋λ＝1 （1） 伴随着各种活动的进行以及根据活动目标是否 达到、需要是否得到满足而以各种情感状态和情绪 表达的方式体现出来的心理能量称为情感能量．由 于 Eη是自由运动的它可全部用于表达各种情绪 而 Eλ是被约束的它只能在一定程度上表现为各 种情绪所以情感能量可以用下式表示： Ep＝ Eη＋γEλ＝（1—λ） E＋γλE＝（1—λ＋γλ） E （2） 其 中γEλ 称 为 有 效 的 受 约 束 心 理 能 量； （1—γ） Eλ＝ωEλ称为无效的受约束心理能量（或称 为受压抑的心理能量）它不能驱使个体从事有效的 活动或正常表达情感；γ称为心理性情感兴奋度；ω 称为心理性情感抑制度表现了个体情感状态由于 心理因素而导致的抑制—兴奋程度． 由于生理原因人的大脑神经细胞在兴奋与抑 制两种状态间按一定的生理机制呈周期性的变 化［4］个体的意识状态也将在清醒与不清醒之间进 行转化从而使得情感能量 Ep 在表达各种情绪的 时候也呈现出周期性的变化．把由下式定义的情感 能量称为生理性激活的情感能量用于表现情绪的 情感能量可表示为： E α p＝αEp＝α（1—λ＋γλ） E （3） 其中α（0≤α≤1）为生理性唤醒度． 1∙2 情感能量的分配 从动力心理学的观点来看个体产生不同情绪 的过程就是激活的情感能量 E α p 在不同情绪状态 之间的动态分配的过程［5］由 E α p 的静态分配结构 的不同从而使得 E α p 的动态分配过程也表现出较 大的差异性．E α p 的分配可采用按情感能量的绝对 值或按情感能量的相对比例的两种方式描述．E α p 动态分配结构为 E αt p ＝［ E αt p1E αt p2…E αt pN ］称其为 在 t 时刻的实际表现的情感能量绝对分布向量根 据情感能量守恒定律有下式成立： ∑ N i＝1 E αt pi＝ E α p （4） e αt p ＝［ e αt p1e αt p2…e αt pN ］为在 t 时刻实际表现的 情感能量相对分布向量其中 e αt pi ＝ E αt pi／E α p且有 ∑ N i＝1 e αt pi＝1．个体在 t 时刻究竟处于那种情绪状态 可由 E αt p 或 e αt p 中的各个分量的相对大小来确定． 1∙3 情感状态描述空间的建立 根据上面的讨论有下面方程： E αt p1＋ E αt p2＋…＋ E αt pN＝ E α p＝α（1—λ＋γλ） E （5） 0≤ E αt p1≤ E α p0≤ E αt p2≤ E α p0≤ E αt p3≤ E α p （6） e αt p1＋e αt p2＋…＋e αt pN＝1 （0≤e αt pi≤1） （7） 其中式（5）称为绝对情感能量分配方程式（7）称为 相对情感能量分配方程相应的几何表示则分别称 为绝对情感能量分布空间和相对情感能量分布空 间． 情感状态空间用 Ωγλ α∈［01］ 表示．在 γ、λ、E 为 常数时α由1逐渐变化到0上述情绪状态空间也 由 Ωγλ 1 逐渐变化到 Ωγλ 0 ．把 α由1逐渐变化到0所 对应的全部情绪状态空间称为情感状态空间．Ωγλ 1 为最大情绪状态空间（将随着 γ、λ变化而发生移 动）Ωγλ 0 为最小情绪状态空间． 1∙4 情感状态的概率空间 为了统一描述情绪状态的变化情况把相对情 感能量分布描述空间转换成与之等效的情感状态的 概率空间描述方式．式（7）从能量分配的角度表达 第6期 解 仑等： 基于情感能量模型的表情机器头 ·805·
,806 北京科技大学学报 第31卷 了情感能量在不同情绪之间的分配比例，可以把e 情感状态集合S 看成一种概率，用P=[pi,p2,…,p]表示情绪状 态概率分布向量，且p=e%·p表示在t时刻处于 情绪i的概率，根据P中各分量的相对大小，亦可 确定个体所处的情绪状态，根据上述观点，情感状 b() b') b()B(V)← 态概率空间的定义为：设基本情绪状态空间集合 察值集合 b() b'约 b()B() S={S1,S2,…,Sx{,S:=i(i=1,2,…,N),N表 刺激向量 示基本情绪状态数，随机变量X表示情绪状态变 →w b(V) b(V) b(VB(V 量.设p:(=1,2,…N)为X=i(取第i种情绪状 态)的概率，且满足 图1HMM情感模型总体框架示意图 合p:=p1+p2十.+pN=1, Fig.1 HMM Schematic diagram of an overall framework of the HMM emotional model 0≤p≤1(i=1,2,…,N) (8) 本文采用一个观察值序列（刺激序列）来表示一 称上式为情绪状态概率分布方程.这样，情感状态 个实际的刺激： 的概率空间模型可表示成： 0=101,02,,0} (12) S1 S2 (9) P 其中，0=Vm,t=1,2,…,T,t表示刺激的强度. p2… 这样第m种类型、强度为T的实际刺激可表示为： 2情绪状态刺激转移过程的隐马尔可夫模 0l={0,02,…,0{={Vm,Vm,…,Vm} 型(hidden Markov model,HMMW)及仿真 (13) 2.1模型的建立 其中，Vm的个数为T.由刺激O所产生的第i种 在情绪状态的刺激转移过程中，式(9)中的P 情绪状态可用下面的状态序列来表示： 可用下面两个概率分布来描述[]，初始心情状态概 Q1={Q1,Q2,…,Qr}={S,S…,S:}(14) 率分布：=[π1,2，，πv],也就是HMM模型中 其中，S:的个数为T.这样在刺激O0作用下，第i 的初始概率分布；当前情绪状态概率分布：P= 种情绪状态的概率分布p)可表示为： [pi,p2,…,p],表示与外界刺激的类型和强度相 p()=P(Q!Om,)=P(SiSi.Sil om, 对应的情绪状态，外界刺激可以用HMM模型中的 (15) 观察值、观察值矩阵和观察值序列来描述，观察值 当m=i时，刺激O与情绪状态序列O相匹 集合也就是刺激集合为： 配，将使其概率增加至p);当m≠i时，刺激0 V=V1,V2,…,Vw}=1,2,…,M}, 与情绪状态序列O!不匹配，将使其概率减少至 Vm=m(m=1,2,…,M) (10) psD. 同时某种刺激确定性地只引发某一种情绪，即 2.2情绪状态转移过程的仿真分析 刺激V:只引发情绪i,这样M=N,A为情绪状态 图2(a)和2(b)分别为情绪状态概率分布变化 刺激转移矩阵，它的极限概率用π*表示，模型的总 曲线和情绪强度变化曲线，这两种曲线在描述情绪 体框架如图1所示， 状态变化的规律方面是等效的，有关参数如下 令观察值矩阵也就是刺激矩阵为： ()刺激参数：m=1,r=1.06,Tmx=55,T∈ b1(1) b2(1) bw(1)] [1,Tma],其中m为刺激，T为刺激强度，r为休整 b1(2) b2(2) bw(2) 系数， {B(m,i)M×N= (2)性格转移矩阵A:极限概率π*1/31/ Lb1(M)62(M) … bN(M) 31/3;参数0=12，为波动系数. (11) (3)初始心情状态概率分布：π=[0.35681 其中，B(Vm)=[b1(m)b2(m) bx(m)], 0.361040.28215]. (1≤m≤M)称为对应第m种情绪状态的刺激 (4)初始心情强度：=[0.0234810.027702 向量， -0.051183]
了情感能量在不同情绪之间的分配比例可以把 e αt pi 看成一种概率用 P t＝［ p t 1p t 2…p t N ］表示情绪状 态概率分布向量且 p t i＝e αt pi．p t i 表示在 t 时刻处于 情绪 i 的概率根据 P t 中各分量的相对大小亦可 确定个体所处的情绪状态．根据上述观点情感状 态概率空间的定义为：设基本情绪状态空间集合 S＝｛S1S2…SN｝Si＝ i（ i＝12…N）N 表 示基本情绪状态数随机变量 X 表示情绪状态变 量．设 pi（ i＝12… N）为 X＝ i（取第 i 种情绪状 态）的概率且满足 ∑ N i＝1 pi＝ p1＋ p2＋…＋ p N＝1 0≤ pi≤1（ i＝12…N） （8） 称上式为情绪状态概率分布方程．这样情感状态 的概率空间模型可表示成： S P ＝ S1 S2 … SN p1 p2 … p N （9） 2 情绪状态刺激转移过程的隐马尔可夫模 型（hidden Markov modelHMM）及仿真 2∙1 模型的建立 在情绪状态的刺激转移过程中式（9）中的 P 可用下面两个概率分布来描述［6］初始心情状态概 率分布：π＝［π1π2…πN ］也就是 HMM 模型中 的初始概率分布；当前情绪状态概率分布：P t ＝ ［ p t 1p t 2…p t N ］表示与外界刺激的类型和强度相 对应的情绪状态．外界刺激可以用 HMM 模型中的 观察值、观察值矩阵和观察值序列来描述．观察值 集合也就是刺激集合为： V ＝｛V1V2…V M｝＝｛12…M｝ V m＝ m（ m＝12…M） （10） 同时某种刺激确定性地只引发某一种情绪即 刺激 V i 只引发情绪 i这样 M＝ N．A ＾ 为情绪状态 刺激转移矩阵它的极限概率用 π ＾∗表示模型的总 体框架如图1所示． 令观察值矩阵也就是刺激矩阵为： ｛B（mi）｝M×N＝ b1（1） b2（1） … bN（1） b1（2） b2（2） … bN（2） … b1（ M） b2（ M） … bN（ M） （11） 其中B（ V m）＝［ b1（ m） b2（ m） … bN（ m）］ （1≤ m ≤ M）称为对应第 m 种情绪状态的刺激 向量． 图1 HMM 情感模型总体框架示意图 Fig．1 HMM Schematic diagram of an overall framework of the HMM emotional model 本文采用一个观察值序列（刺激序列）来表示一 个实际的刺激： O＝｛O 1O 2…O T｝ （12） 其中O t＝ V mt＝12…Tt 表示刺激的强度． 这样第 m 种类型、强度为 T 的实际刺激可表示为： O T m＝｛O 1O 2…O T｝＝｛V mV m…V m｝ （13） 其中V m 的个数为 T．由刺激 O T m 所产生的第 i 种 情绪状态可用下面的状态序列来表示： Q T i ＝｛Q1Q2…QT｝＝｛SiSi…Si｝（14） 其中Si 的个数为 T．这样在刺激 O T m 作用下第 i 种情绪状态的概率分布 p （ T） i 可表示为： p （ T） i ＝P（ Q T i｜O T mλ）＝P（ SiSi…Si｜O T mλ） （15） 当 m＝ i 时刺激 O T m 与情绪状态序列 O T i 相匹 配将使其概率增加至 p （ T） i ；当 m≠ i 时刺激 O T m 与情绪状态序列 O T i 不匹配将使其概率减少至 p （ T） i ． 2∙2 情绪状态转移过程的仿真分析 图2（a）和2（b）分别为情绪状态概率分布变化 曲线和情绪强度变化曲线这两种曲线在描述情绪 状态变化的规律方面是等效的有关参数如下． （1） 刺激参数：m＝1r＝1∙06T max＝55T ∈ ［1T max ］其中 m 为刺激T 为刺激强度r 为休整 系数． （2） 性格转移矩阵 A ＾ ：极限概率 π ＾∗＝?1／3 1／ 3 1／3」；参数θ＝12为波动系数． （3） 初始心情状态概率分布：π＝［0∙35681 0∙36104 0∙28215］． （4） 初始心情强度：πΔ＝［0∙023481 0∙027702 —0∙051183］． ·806· 北 京 科 技 大 学 学 报 第31卷
第6期 解仑等：基于情感能量模型的表情机器头 ,807 10 07 (a) 120 (b) T-20 08 05P.066667 m=1r-106T.-55 m=1r=1.06T=55 0-120.9 606 0-120-9 一 03 -0 -0 033333 033333=033333 01 元，0023481元，0027702 元=035681m,=036104 m.-028215 04 P5045928P2-02129g 0,79262p-012036P0.087027 0 元高 02 常4=-0051183 40 PE035于 =-024631 10 20 40 60 20 0 60 图2情绪状态概率分布()和情绪强度(b)随T变化曲线 Fig.2 Relations of emotion state probability (a)and the emotional strength (b)with T 从图2可看出，由m所确定的刺激，将使情绪 出的面部运动编码系统(FACS)中定义的动作单元 状态(=m)的概率分布PT)或情绪强度PT)随 (AU)来描述面部表情，每一AU都是由面部的一束 T的变化，从初始心情状态概率分布π或初始心情 或几束肌肉伸缩产生，同时每一表情可表示为若干 强度π开始一直增加到接近1或PT=0.66667, 个共同AU作用的结果[) 而其他情绪状态j(j≠m)的概率分布p})或情绪 FACS中定义了基本的，加上说话时的面部动 强度p),从初始心情状态概率分布π或初始心情 作，可以产生出任意的表情10.情绪心理学研究表 强度π开始一直减少到接近0或PD=一1/3. 明：存在着六种基本表情，即高兴、悲伤、惊奇、恐惧、 分析与关于机器情感的设定是相符合的，即图2所 愤怒和厌恶：其他的任意表情都可表示为此种基本 表示的变化趋势是符合人类心理规律的门. 表情的组合，以此为依据，本文设计的表情机器头 结构如图3所示，可实现机器人的摆头、点头、眨眼、 3表情机器头研究平台的构建 嘴的张合、皱眉和转动眼球等基本动作，根据人的 心理学研究表明：人脸能够产生大约55000种 面部特征用硅胶制作一个机器人面皮，把记忆形状 不同的表情，其中有30多种能够用人类自然语言词 合金根据人体面部肌肉的分布布置在面皮下，以实 汇区别开来[]，面部表情的丰富性促使了多种表情 现肌肉的拉动效果，可以模拟脸颊运动、上拉嘴角和 记述方法的出现，其中常采用Ekman和Friesen提 后拉嘴角等动作 a 图3机器头结构示意图.(a)眼睑、眼球；(b)头骨；(c)下巴的控制：(d)点头：(e)摇头 Fig.3 Schematic diagrams of a machine head:(a)eyelids and eyes:(b)skull;(c)chin control;(d)nodding:(e)head shaking
图2 情绪状态概率分布（a）和情绪强度（b）随 T 变化曲线 Fig．2 Relations of emotion state probability （a） and the emotional strength （b） with T 从图2可看出由 m 所确定的刺激将使情绪 状态 i（ i＝ m）的概率分布 P （ T） i 或情绪强度 P （ T） ih 随 T 的变化从初始心情状态概率分布 π或初始心情 强度πΔ 开始一直增加到接近1或 P （ T） imax＝0∙66667 而其他情绪状态 j（ j≠ m）的概率分布 p （ T） j 或情绪 强度 p （ T） jΔ 从初始心情状态概率分布 π或初始心情 强度πΔ 开始一直减少到接近0或 P （ T） hmax ＝—1／3． 分析与关于机器情感的设定是相符合的即图2所 表示的变化趋势是符合人类心理规律的［7］． 3 表情机器头研究平台的构建 心理学研究表明：人脸能够产生大约55000种 不同的表情其中有30多种能够用人类自然语言词 汇区别开来［8］．面部表情的丰富性促使了多种表情 记述方法的出现其中常采用 Ekman 和 Friesen 提 出的面部运动编码系统（FACS）中定义的动作单元 （AU）来描述面部表情每一 AU 都是由面部的一束 或几束肌肉伸缩产生同时每一表情可表示为若干 个共同 AU 作用的结果［9］． FACS 中定义了基本的加上说话时的面部动 作可以产生出任意的表情［10］．情绪心理学研究表 明：存在着六种基本表情即高兴、悲伤、惊奇、恐惧、 愤怒和厌恶；其他的任意表情都可表示为此种基本 表情的组合．以此为依据本文设计的表情机器头 结构如图3所示可实现机器人的摆头、点头、眨眼、 嘴的张合、皱眉和转动眼球等基本动作．根据人的 面部特征用硅胶制作一个机器人面皮把记忆形状 合金根据人体面部肌肉的分布布置在面皮下以实 现肌肉的拉动效果可以模拟脸颊运动、上拉嘴角和 后拉嘴角等动作． 图3 机器头结构示意图．（a） 眼睑、眼球；（b） 头骨；（c） 下巴的控制；（d） 点头；（e） 摇头 Fig．3 Schematic diagrams of a machine head：（a） eyelids and eyes；（b） skull；（c） chin control；（d） nodding；（e） head shaking 第6期 解 仑等： 基于情感能量模型的表情机器头 ·807·
,808 北京科技大学学报 第31卷 基于本文上述的情感模型及其算法，机器人的 其中，m为模拟肌肉的舵机或其传动结构的个数， 面部表情可以表示为： P:为第k个舵机在第i个暂态的位置，Vkix= Em={S1S2…S:…Sn} (16) (P:一Pk(-1)/T,T为动作序列转换的时间间隔 其中，E.为机器人的面部表情，n为形成机器人面 根据Ex的表达式，表情机器头部动作受多个 部表情的动作序列个数，S:为动作序列中的第i个 电机协调运动及其运动幅度和速度共同影响，通过 暂态，它又可以表示为： 调节它们可以让机器头表达出较为丰富的情感 状态， Si=f1(Pii,V1i)f2(P2i,V2i) … 机器头结构、机器头结构实物与表情产生分别 fu(Pui,Vki).fm(Pmi,Vmi)h (17) 如图3和图4所示 b 图4机器头机械结构及典型表情示意图，(a)结构1；(b)结构2：(c)结构3：()表情 Fig.4 Mechanical configurations and typical expression:(a)structure 1;(b)structure 2;(c)structure 3:(d)emotion [2]Eric AA,Benjamin S,Jan V C.Generative modeling of au- 4结论 tonomous robots and their environments using reservoir comput- 本文以心理动力学中的心理能量理论为基础， ing.Neural Process Leu.2007.26(3):233 [3]Ronald C A.An ethological and emotional basis for human robot 研究了刺激矩阵和情绪状态刺激转移矩阵的构造方 interaction.Rob Autonomous Syst.2003,42:191 法，推导出计算情绪状态转移概率的算法，该算法 [4]Sloman A.More things than are dreamt of in your biology:infor- 综合考虑了外界情感信息的刺激（类型、强度）、当前 mation processing in biologically inspired robots.Cogn Syst Res. 心情状态以及情感性格等多种因素对情绪状态变化 2005,6(2):145 的影响，在上述情感模型的基础上，利用数学仿真 [5]Michael AA.Emotions:from brain to robot.Trends Cogn Sci. 2004,8(12):554 软件MATLAB构建了仿真研究平台，进一步研究 [6]Shu H.Han ZZ,Xu Z B,et al.The basic hypothesis and re- 了前述情感模型的变化规律，探讨了有关参数的作 search methods of cognitive psychology.Psychol Sci.2002(6): 用、心理学意义及选择的方法，对有关的仿真曲线与 721 仿真结果从心理学意义上给与了合理的解释，最终 (舒华，韩在住，许忠宝，等.认知心理学的基本假设和研究方 将上述分析的结果在所研制的表情机器头上进行了 法.心理科学，2002(6)：721) 典型情绪状态的变换和转移，对理论仿真计算的有 [7]Breazeal C.Emotion and sociable humanoid robots:Int Hum Comput Stud.2003(59):119 效性进行了验证，然而，由于有情感的个人机器人 [8]BienZ.Blend of soft computing techniques for effective human 系统具有相当的复杂性，既需要技术上的可实现性， machine interaction in service robot systems.Fuzzy Sets Syst, 又需要系统的情感模型及算法，因此还需要对理论 2003(134):5 及应用进行更深入的研究 [9]Song Y X,Jia P F.A control architecture based on artificial emo tion for anthropomorphic robot.Robotics.2004,26(6):491 参考文献 (宋亦旭，贾培发，基于人工情感的拟人机器人控制体系结构· [1]Wang Z L.Artificial psychology:a more attainable human brain 机器人，2004,26(6)：491) science.JUniv Sci Technol Beijing.2000.22(5):478 [10]Neo E.Yokoi K.Kajita S,et al.Whole-body motion generation (王志良，人工心理学：关于更接近人脑工作模式的科学.北 integrating operator's intention and robot's autonomy in control- 京科技大学学报，2000,22(5)：478) ling humanoid robots.IEEE Trans Rob,2007.23(4):763
基于本文上述的情感模型及其算法机器人的 面部表情可以表示为： Ex＝｛S1 S2 … Si … Sn｝ （16） 其中Ex 为机器人的面部表情n 为形成机器人面 部表情的动作序列个数Si 为动作序列中的第 i 个 暂态它又可以表示为： Si＝｛f1（P1iV1i） f2（P2iV2i） … f k（PkiV ki） … f m（PmiV mi）｝ （17） 其中m 为模拟肌肉的舵机或其传动结构的个数 Pki为第 k 个舵机在第 i 个暂态的位置V kix＝ （Pki—Pk（ i—1））／TT 为动作序列转换的时间间隔． 根据 Ex 的表达式表情机器头部动作受多个 电机协调运动及其运动幅度和速度共同影响通过 调节它们可以让机器头表达出较为丰富的情感 状态． 机器头结构、机器头结构实物与表情产生分别 如图3和图4所示． 图4 机器头机械结构及典型表情示意图．（a） 结构1；（b） 结构2；（c） 结构3；（d）表情 Fig．4 Mechanical configurations and typical expression：（a） structure1；（b） structure2；（c） structure3；（d） emotion 4 结论 本文以心理动力学中的心理能量理论为基础 研究了刺激矩阵和情绪状态刺激转移矩阵的构造方 法推导出计算情绪状态转移概率的算法．该算法 综合考虑了外界情感信息的刺激（类型、强度）、当前 心情状态以及情感性格等多种因素对情绪状态变化 的影响．在上述情感模型的基础上利用数学仿真 软件 MATLAB 构建了仿真研究平台进一步研究 了前述情感模型的变化规律探讨了有关参数的作 用、心理学意义及选择的方法对有关的仿真曲线与 仿真结果从心理学意义上给与了合理的解释．最终 将上述分析的结果在所研制的表情机器头上进行了 典型情绪状态的变换和转移对理论仿真计算的有 效性进行了验证．然而由于有情感的个人机器人 系统具有相当的复杂性既需要技术上的可实现性 又需要系统的情感模型及算法因此还需要对理论 及应用进行更深入的研究． 参 考 文 献 ［1］ Wang Z L．Artificial psychology：a more attainable human brain science．J Univ Sci Technol Beijing200022（5）：478 （王志良．人工心理学：关于更接近人脑工作模式的科学．北 京科技大学学报200022（5）：478） ［2］ Eric A ABenjamin SJan V C．Generative modeling of autonomous robots and their environments using reservoir computing．Neural Process Lett200726（3）：233 ［3］ Ronald C A．An ethological and emotional basis for human-robot interaction．Rob A utonomous Syst200342：191 ［4］ Sloman A．More things than are dreamt of in your biology：information-processing in biologically inspired robots．Cogn Syst Res 20056（2）：145 ［5］ Michael A A．Emotions：from brain to robot．T rends Cogn Sci 20048（12）：554 ［6］ Shu HHan Z ZXu Z Bet al．The basic hypothesis and research methods of cognitive psychology．Psychol Sci2002（6）： 721 （舒华韩在住许忠宝等．认知心理学的基本假设和研究方 法．心理科学2002（6）：721） ［7］ Breazeal C．Emotion and sociable humanoid robots．Int J Hum Comput Stud2003（59）：119 ［8］ Bien Z．Blend of soft computing techniques for effective humanmachine interaction in service robot systems．Fuzz y Sets Syst 2003（134）：5 ［9］ Song Y XJia P F．A control architecture based on artificial emotion for anthropomorphic robot．Robotics200426（6）：491 （宋亦旭贾培发．基于人工情感的拟人机器人控制体系结构． 机器人200426（6）：491） ［10］ Neo EYokoi KKajita Set al．Whole-body motion generation integrating operator’s intention and robot’s autonomy in controlling humanoid robots．IEEE T rans Rob200723（4）：763 ·808· 北 京 科 技 大 学 学 报 第31卷