第4期 黄晓丹，等：情感决策的智能家居虚拟人路径规划 ·297· 1)刺激参数：r=1.06,Tmm=55,T∈[1，Tmm]; 以实现.SM是一种常见的动态系统描述方法，它 2)极限概率”=[1/41/41/41/4]，参数0= 通过对系统状态、触发事件以及系统状态之间的跃 18; 迁能够有效地描述一个动态系统的整个生存周期. 3)初始心情状态概率分布：π=[1/41/41/4 许多问题最终都能归结为有限状态机实现9 1/4]; 选择该算法，是因为它是一种较为高效的行为 基于上述情感模型，实现了智能家居环境中的 决策算法，具有结构清晰、逻辑关系明确等优点，适 虚拟人的情感决策 合具有初始智能的虚拟人的研究.本文中假设了3 种虚拟人的认知行为：学习、玩游戏和睡觉.其有限 3家居环境中的虚拟人行为规划 状态转换图如图3所示.其中，兴奋、P愉快、疲劳 当虚拟人受到外界刺激时，虚拟人的情绪首先 确信表示当前的情感状态；游戏、睡觉、学习表示当 发生相应的变化，情绪的改变促使行为的改变.本节 前行为状态.“其他”是兴奋、愉快、疲劳、确信4种 首先介绍了虚拟人进行行为规划所采用的算法，即 情感之一，表示当前状态下可能产生且未提及的情 行为选择机制或行为决策机制，它是行为建模的主 感，例如，睡觉行为下，提及了愉快情感，则其他表示 要研究内容.之后，针对智能家居环境，对路径规 兴奋、疲劳、确信；P愉快表示若愉快情绪达到阈值， 划—这一人类重要且基本的行为，进行了算法的 在一定概率情况下会执行某一行为。 研究和改进， 虚拟人的情绪变化结果由情感决策模块输出， 3.1虚拟人的行为规划 输入给行为规划模块.在情绪刺激转移过程中，当虚 由于人类的行为是非常复杂的且涉及到多门学 拟人受到某种刺激时，他可能产生某种行为，如学习 科的研究，因此目前尚没有任何通用或常用的行为 疲劳后产生的刺激将导致睡觉行为.刺激可以由行 规划算法.对于虚拟人的行为规划，本文采用了有限 为本身产生，也可以由情绪累积产生，刺激及可能的 状态机算法(finite-state machine model.,FSM)来加 行为转换如表2所示。 表2刺激事件及行为转换表 Table 2 Stimuli and behaviors transition 行为本身 情绪累积 情绪累积 某种情绪达到阈值 行为 产生的刺激 产生的刺激 产生的刺激 可能产生的行为 兴奋情绪到达阚值 偷快情绪达到阚值（且继 游戏 兴奋刺激 游戏/睡觉/学习 →愉快刺激 续游戏)→疲劳刺激 睡觉 愉快刺激 无 无 游戏/学习 确信情绪达到阈值 愉快情绪到达阈阚值（且继 学习 确信刺激 学习/游戏/睡觉 →愉快刺激 续学习)→疲劳刺激 情绪自发转移过程主要用于行为转换时使情绪 以需要情绪自发转移过程， 恢复平静.当虚拟人由某一行为状态转移到另一行 以上即为本文建立的基于情感决策的虚拟人行 为状态时，如学习久了产生了厌倦感，身体也疲劳 为模型的基本原理及运行机制.该模型将智能交互 了，于是想去睡觉，则需要从书房移动到卧室，此时 与行为表达连接成为了一个有机整体，可以更有效 虚拟人需要进行路径规划，在行走的过程中，对学习 地指挥以生成不同的行为，同时情感决策的加入使 的厌倦感虽然不可能一下消除，但可能慢慢降低，所 得虚拟人做出智能判断时更加人性化