情绪建模与情感虚拟人研究

以人工心理和基本的情绪理论为基础，在三维情绪空间中将个性和OCC模型相结合，建立了一个情绪模型。并将此模型作为情感核心，采用VB和Viavoice、科大讯飞以及TalkingShow应用软件尝试实现了一个情感虚拟人。这个情感虚拟人不仅具有学习、记忆能力，而且具有情感交互能力。     

基于个性和OCC的机器人情感建模研究

机器人不仅要具有简单的机械作业和逻辑推理能力，还应当具有类似人类的情感能力．本文将个性与情绪、情感、理解、表达相结合，采用OCC模型作为评价标准，建立了符合人类情感规律的、可用于情感机器人的情感模型。通过一个应用上述模型的虚拟人情感交互系统．验证了此模型可以很好的对人类的情感进行仿真．可以应用于情感机器人和人性化计算机、游戏等许多领域。     

基于OCC的Agent情感模型研究

Agent不仅要具有逻辑推理能力,还应当具有类似人类的情感能力。通过对情感理论的分析,提出了一个基于OCC的Agent情感模型,使Agent能够模拟像人类一样的认知能力和情感能力,从而行为决策更加智能。通过模型在虚拟环境角色中的应用结果,验证了此模型的合理性。     

智能虚拟环境中主体的情感计算研究

为了在智能虚拟环境中赋予主体情感能力,提高其逼真度及人机交互的自然性,并且兼顾虚拟环境的实时性要求,以心理学中的基本情绪理论和认知评价理论为依据,模拟推理规则为基础,提出了一种情绪产生器模型。该模型首先根据模糊IF-THEN规则制定情绪激发条件规则,进而推理得出“情绪因子”;然后建立了一个受情绪因子、个性及前一时刻的情绪状态制约的非线性函数,用来生成当前情绪及计算情绪强度。仿真结果表明,模型较符合人类的基本情绪状态的产生、迁移及衰减规律,在一定程度上体现了人类情绪的模糊性和非线性,而且易于机器实现。     

基本情绪理论在人工心理建模研究中的应用

在心理学基本情绪理论的基础上,提出了一种新的人工心理建模方法。认为人的情绪由基本情绪及表征人意志力的内驱力共同形成,进而运用了自组织理论,模糊数学、最优化理论中的数学方法,建立起该情绪模型。通过调整模型中的情感参数,能够构建具有不同性格特征的心理模型。通过计算机仿真研究,证实了该情绪模型是符合人类情感规律的。     

基于人工心理理论的情感模型构建方法研究

人类的智能不仅表现为正常的理性思维和逻辑推理能力,也应表现为正常的情感能力。本文在阐述情感交互系统结构和情感特性的基础上,提出了一种基于HMM的情感模型,并采用情绪熵与情感熵的概念约束模型的初始值,从而使该模型适应不同的性格特征。     

基于非线性状态空间模型的情感模型研究

如何赋予机器情感智力以实现和谐自然的人机交互是人工情感研究的核心内容,其中情感建模是研究重点和难点.基于心理学的基本情绪论和人格特质论提出了一种非线性情感模型.在模型中首先定义了情绪空间、心境空间和个性空间,确定了心境、个性对情绪的影响关系矩阵;其次采用非线性系统的状态空间模型来模拟人类情感状态的变化;最后对模型进行了仿真,仿真结果表明该模型体现了人类情绪的非线性特点,符合人类情感变化规律.     

电子学习中的情感计算

电子学习(E-learning)也称在线学习,是指利用互联网技术来设计、执行、选择、管理、支持和扩展的学习活动,包括电子阅读、多媒体远程教育、虚拟教室、数字图书馆和电子出版等网络学习的各种形式。众所周知,人随时随地都会有喜怒哀乐等情感的起伏变化,而人的情绪状态及其变化会对学习活动的绩效有重要影响。那么,在电子学习过程中,计算机是否能觉察学习者的情绪状态,并见机行事呢?所谓的情感计算(affective computing)就是试图赋予计算机像人一样的观察、理解和生成各种情感特征的能力。     

虚拟人动机驱动的自主情绪模型研究

模拟虚拟人的各种情绪计算模型在很多领域具有重要意义,一个可信的虚拟人不仅要有3维几何形状,而且也要具有自主的情绪。基于已有的情绪模型研究,建立了一种新的基于动机驱动的自主情绪模型。根据心理学和认知科学,提出了虚拟人的认知结构,该结构集成了知觉、情绪、心境、个性和行为。构建了内部动机和外部刺激的一种形式化描述,基本情绪强度可以采用这种模型来计算,而情绪状态是各种基本情绪状态的合成。为了实现情绪的自适应,提出了情绪的增强学习方法。在微机上实现了一个包含虚拟人的3维虚拟场景,这种新的情绪模型能够使虚拟人的自主情绪表现更加可信,实验结果表明了该方法是有效的。     

数字化人类情感——和谐人机交互环境中的情感计算

传统的人机交互,主要通过键盘、鼠标、屏幕等方式进行,只追求便利和准确,无法理解和适应人的情绪或心境。而如果缺乏这种情感理解和表达能力,就很难指望计算机具有类似人一样的智能,也很难期望人机交互做到真正的和谐与自然。 由于人类之间的沟通与交流是自然而富有感情的,因此,在人机交互的过程中,人们也很自然地期望计算机具有情感能力。情感计算(Affective Computting)就是要赋予计算机类似于人一样的观察,理解和生成各种情感特征的能力,最终使计算机像人一样能进行自然、亲切和生动的交互。     

虚拟人情绪行为动画模型

近年来 ,虚拟人行为动画已经成为计算机动画一个新的分枝 ,已往的研究多集中在虚拟人局部的情绪表达动画方面 ,如脸部动画 ,而对于给定的虚拟场景 ,则尚未考虑情绪产生的原因 .情绪是虚拟人和虚拟环境交互作用的结果 ,然而在计算机动画领域 ,虚拟人的情绪至今尚未得到清楚的描述 .为此 ,依据心理学的理论 ,提出了虚拟人情绪行为的动画模型 ,即 ,首先提出了情绪集合和情绪表达集合的概念 ,并建立了从情绪状态到情绪表达之间的映射 ;其次 ,着重分析了情绪产生的原因 ,并引入了情绪源的概念 ,如果一种情绪刺激的强度大于情绪的抵抗强度 ,那么这种情绪就会产生 ;此外 ,情绪状态可以采用有限状态机来描述 ,据此提出了情绪的变化流程 ;最后 ,在微机上通过调用 Microsoft Direct3D API,实现了虚拟人的情绪行为动画     

基于Markov决策过程的交互虚拟人情感计算模型

情感在生物体的交流和适应性方面起到了关键作用。同样,交互虚拟人也需要有恰如其分的表达情感的能力。由于具有情感交互能力的虚拟人在虚拟现实、电子教育、娱乐等领域均有着广阔的应用前景,当前,在虚拟人中加入情感成分的研究受到了越来越多的重视。本文提出了一个人工心理的情感计算模型,模型用马尔可夫过程来描述情感的变化过程,并且使用马尔可夫决策过程建立了情感、个性与环境之间的联系,并且我们把该模型应用到了一个交互虚拟人系统中。研究结果表明,模型能够构建具有不同性格特征的虚拟人,使之产生较为自然的情感反应。     

基于HMM的人工心理建模方法研究

提出一种基于HMM的人工情感模型。该模型将人类的情感过程视为两层随机过程,通过调整模型的初始参数,能够构建具有不同性格特征的心理模型;同时它作为情感引擎,能以概率的形式预测情感过程的最终结果。系统运行结果表明由该模型产生的情感反应真实、自然。     

基于语义分析的情感计算技术研究进展

随着机器学习和大数据技术的应用发展,基于语义分析的情感计算与分析技术在研究人类的感知、注意力、记忆、决策、社会交流等诸多方面起着重大作用,它不仅影响到了人工智能技术的发展,还影响到了人/机交互的方式,并受到学术界以及企业界的广泛关注.本文在针对情感定义以及相关90多种情感模型分析的基础上,归纳并提出了目前情感分析领域中存在的6项关键性问题与挑战,其中主要包括：情感的来源与本质特征的表示问题;多模态条件下的情感计算问题;外部因素对情感演化过程的影响度量问题;情感的个性化度量问题;情感群体化特征与传播动力学机制问题以及细微情感的表达、算法改进与优化等问题.同时,本文针对其中的关键问题与技术挑战进行了理论探讨、技术分析、实际应用以及当前工作进展与趋势分析,从而为深入研究和解决基于语义分析条件下的情感计算提供了新的研究线索与方向.     

一种综合可计算情感建模方法

情感作为人类具有智能的一个重要体现,是创建可信服的虚拟智能体不可或缺的环节.如何通过情感来提高虚拟智能体的智能性和可信服性已成为亟待解决的关键问题.结合生理和认知对情感的影响,提出了一种综合的可计算情感建模方法;设计了一个完全的过程框架,以描述情感在不同时刻如何动态变化以及如何处理多种混合情感的情况;并建立了基于具体描述事件和情感关系的情感结构,以产生具体、真实的情感行为;提出了交互学习机制以增强虚拟智能体对动态环境的适应能力.实例验证表明,此情感模型能有效地增加虚拟智能体在交互过程中的可信服性.     

情感计算数学模型的研究初探

针对计算机如何进行情感计算，提出一种情感空间的概率模型并对其进行了计算机仿真。通过构造状态的概率转移矩阵，得到每个情感状态的概率分布，从而计算出情感的熵值。情感的熵值，表达出所构造的情感的细腻程度。通过计算机仿真，验证了情感模型是符合人类情感规律的——不确定性同时又具有统计规律。最后通过不同参数的仿真，说明此模型可以产生不同的情感活动，为情感机器人数学模型的建立与情感决策支持系统提供了一种新的方法。     

A computational model of emotion through the perspective of benevolent agents for a cooperative task

This paper deals with a computational model of emotions and its application for cooperative benevolent agents. A stochastic emotion model based on Markov theory is adapted to perform their well organized tasks to achieve goal. The emotional model consists of four basic emotions: joy, anger, fear and sad. Different emotional behavior is obtained by updating the state transition matrix of stochastic model. Perception of stimuli has an impact on emotion inducing factors and thus, affects on emotion dynamics. With the developed model, a Matlab based simulation is performed to analyze the behavior of the agents with the emotional capability. This work was presented in part at the 13th International Symposium on Artificial Life and Robotics, Oita, Japan, January 31–February 2, 2008