摘要：针对这一挑战，由来自日本大阪大学、爱知产业大学和法国斯特拉斯堡大学的科研人员组成的研究团队进行了深入研究，并提出了一种基于衰减波合成的方法，用于自动生成机器人面部的动态唤醒表情。该方法利用深度结构技术，能够根据机器人当前的情感状态动态生成面部运动，从而有效地传

在人机交互中，动态面部表情对于有效传达机器人的情绪状态起着至关重要的作用。为了增强沟通效果，机器人需要能够自然地表达其内部情感状态，如情绪变化。

然而，传统方法通常依赖于预先设定的表情姿势或录制的面部运动序列，这种方法使得机器人在面对情感状态快速变化时显得力不从心，出现面部表情过渡不自然的情况。

▍提出新方法，实现面部运动实时生成

针对这一挑战，由来自日本大阪大学、爱知产业大学和法国斯特拉斯堡大学的科研人员组成的研究团队进行了深入研究，并提出了一种基于衰减波合成的方法，用于自动生成机器人面部的动态唤醒表情。该方法利用深度结构技术，能够根据机器人当前的情感状态动态生成面部运动，从而有效地传达机器人内部情绪状态。

与传统方法相比，这种新方法摒弃了预先设计的表情姿势和录制的面部运动，转而通过合成复杂但有组织的命令序列来实现面部表情的生成。这种方法使得机器人的面部表情能够更自然地适应情感状态的变化，呈现出更加真实、流畅的表情过渡。

为了验证该方法的有效性，研究团队在儿童型安卓机器人“Affetto”上进行了实验测试。实验结果表明，该方法可成功传递不同的唤醒水平，同时保持机器人的人类外观印象，没有出现因技术原因而导致的不自然表情。

目前，该研究成果的相关论文已以“Automatic Generation of Dynamic Arousal Expression Based on Decaying Wave Synthesis for Robot Faces”为题发表在《Journal of Mechanisms and Robotics》上。

那么，该方法具体是怎样实现的呢？接下来和机器人大讲堂一起深入了解~

▍动态表情生成系统的构成

研究团队提出的动态表情生成系统由时间管理模块和姿态管理模块两个核心功能模块构成。这两个模块协同工作，实现了复杂但有序的面部表情合成。

具体来说，时间管理模块在系统中根据机器人的内部情感状态生成相应的时间模式信号。这一过程中，衰减波函数被作为基本构建块，其参数（包括振幅、阻尼比、波长、振荡中心和复活周期）通过线性回归与机器人的情感状态紧密关联，从而确保生成的信号能够准确反映机器人的情感变化。

姿态管理模块则负责将时间管理模块生成的时间模式信号转换为具体的面部姿态命令。该模块通过两层网络实现：姿态协调器和人类动作单元。人类动作单元层包含了一系列代表人类面部动作的节点，而姿态协调器层则根据接收到的时间模式信号激活这些节点，进而生成精确的面部姿态命令。

在儿童型安卓机器人“Affetto”机器人上，研究团队安装了21个机械单元，并通过3D打印技术制造了主体结构。通过精心设计的协调矩阵和接口矩阵，研究团队成功实现了人类动作单元层和机械单元操作层之间的无缝连接，从而确保了面部运动的精确控制。

当机器人的内部情感状态发生变化时，时间管理模块会迅速生成相应的时间模式信号，这些信号随后被姿态管理模块转换为具体的面部姿态命令。通过调整衰减波函数的参数，系统能够灵活地生成不同唤醒水平的面部表情，并实现自然、平滑的过渡效果。

▍动态表情生成系统有效性验证

为了验证这一动态表情生成系统的有效性，研究团队招募了50名成年参与者进行了实验测试。通过在线调查的方式，团队评估了机器人面部表情的人类似真性和唤醒度水平。经过严格筛选，最终有44名参与者的数据被用于分析。

实验中，研究团队准备了两个视频，分别展示了机器人在增加唤醒水平（从正常到兴奋状态）和减少唤醒水平（从正常到困倦状态）下的面部表情。参与者被随机分配到两种条件之一，并对机器人的面部表情进行了详细评分。

在评分标准上，研究团队使用了五点语义差异法，通过15对形容词来评估机器人面部表情的人类似真性和唤醒度水平。参与者根据视频中的面部表情选择相应的形容词对进行评分。

实验结果显示，研究团队提出的动态表情生成系统能够成功地传递不同的唤醒水平。在两种条件下，参与者对人类似性的评价没有显著差异，这表明系统自动生成的复杂命令序列仍然能够保持人类的外观印象。同时，机器人在两种唤醒度水平下的面部表情在唤醒度水平方面存在显著差异，这验证了团队的假设，即适当调整的波形面部运动能够有效传达不同的唤醒度水平。

展望未来，研究团队计划进一步优化系统参数，并探索更多类型的面部表情和运动，以进一步提升机器人的情感表达能力。

参考文章：

来源：机器人大讲堂