論家庭陪伴型機(jī)器人的科技發(fā)展

（北京市第五十七中學(xué)，北京 100036）

0.引言

隨著時(shí)代的發(fā)展，越來越多的人選擇獨(dú)居，中國獨(dú)居人口已經(jīng)到達(dá)2億。同時(shí)人口老齡化問題也在加劇，這使得家庭陪伴型機(jī)器人需求量大，希望它有更強(qiáng)的功能，甚至可以媲美人類，來解決更多人孤獨(dú)的問題。

但是當(dāng)今的家庭陪伴型機(jī)器人的能力不足，僅僅能夠與人一問一答，甚至有時(shí)“所答非所問”。這使得人們對于家庭陪伴型機(jī)器人的發(fā)展更加迫切。現(xiàn)在的機(jī)器人沒有達(dá)到能真實(shí)了解人類情感并做出反應(yīng)，以達(dá)到解決人類心理問題的水平。

本文主要是整合了現(xiàn)存相關(guān)的部分資料，設(shè)想了理想的家庭陪伴型機(jī)器人的模型，由于現(xiàn)存的家庭陪伴型機(jī)器人的技術(shù)發(fā)展與預(yù)期水平存在一定的差距，故本文分析比較了部分急需發(fā)展的技術(shù)方向，提出了家庭陪伴機(jī)器人未來的應(yīng)用需要，最后本文聚焦于智能情感陪護(hù)機(jī)器人，對未來這類機(jī)器人的技術(shù)發(fā)展表達(dá)了美好的愿景，展望了未來理想智能機(jī)器人的發(fā)展。

1.相關(guān)工作進(jìn)展

機(jī)器人的研究早在20世紀(jì)就已經(jīng)開始。從1920年提出“robot”這個(gè)單詞，再到1950年的阿西莫夫機(jī)器人三定律，機(jī)器人似乎早就進(jìn)入人類的世界。第一屆機(jī)器人學(xué)術(shù)會(huì)議于1967年日本召開，對于機(jī)器人人們形成了以下兩類基本定義。第一是以森政弘以及合田周平給出的機(jī)器人定義：指出機(jī)器人是一種能夠自由移動(dòng)的，具備智能性和通用性的半人半機(jī)器的物理個(gè)體，并提出了該定義下機(jī)器人應(yīng)當(dāng)符合的7個(gè)典型特征。隨著人們對機(jī)器人認(rèn)識(shí)的不斷加深，森政弘在上述機(jī)器人定義的基礎(chǔ)上將原本機(jī)器人的特征擴(kuò)展為10個(gè)，并強(qiáng)調(diào)了機(jī)器人的作業(yè)性和信息性，是對機(jī)器人認(rèn)識(shí)的一大飛躍；關(guān)于早期機(jī)器人的第二類定義是由日本學(xué)者加藤一郎提出，從機(jī)器人的組成上對機(jī)器人的特征進(jìn)行了概括：提出了機(jī)器人應(yīng)當(dāng)具備人類所具有的手、腳以及大腦等肢體結(jié)構(gòu)，還應(yīng)具備傳感器以回傳外界感知信號(hào)。加藤一郎所提出的機(jī)器人定義重點(diǎn)關(guān)注了機(jī)器人的仿生結(jié)構(gòu)，即機(jī)器人應(yīng)當(dāng)具備與人類相似的肢體器官、感受器官和決策器官。例如，裝設(shè)于機(jī)器人上的各類傳感器相當(dāng)于人的感受器官，用以獲得外界的環(huán)境信號(hào)。而機(jī)器人的平衡覺是機(jī)器人對自身認(rèn)識(shí)的關(guān)鍵，這也與后來機(jī)器人概念發(fā)展的感知、規(guī)劃、行動(dòng)類似[1]。但是當(dāng)時(shí)的機(jī)器人也只簡單的機(jī)械臂，與現(xiàn)在的機(jī)器人也有一定的差距。關(guān)于機(jī)器人情感的研究始于麻省理工學(xué)院，該院Picard教授于1997年首次提出了情感計(jì)算的相關(guān)概念，實(shí)現(xiàn)了情感這一心理學(xué)定義的量化分析。此外，我國也早已開始了對于機(jī)器人情感的研究，中國科學(xué)院自動(dòng)化研究所在機(jī)器人情感計(jì)算方面取得了一系列豐碩成果。指出情感計(jì)算是賦予計(jì)算機(jī)理解人類情感的關(guān)鍵，早期關(guān)于情感計(jì)算的研究也為后來的情感機(jī)器人奠定了基礎(chǔ)。

日本在20世紀(jì)末便開展了關(guān)于情感信息的理論研究，作為國家重點(diǎn)項(xiàng)目涵蓋了眾多大學(xué)以及研究院等相關(guān)組織和單位，將現(xiàn)代信息科學(xué)融入到純粹的心理學(xué)當(dāng)中，進(jìn)而發(fā)展出一系列新思想、新理論。此外，日本作為亞洲為數(shù)不多的工業(yè)體系發(fā)達(dá)的國家之一，其在情感信息產(chǎn)業(yè)化方面走在了世界前列。具備情感能力的個(gè)人機(jī)器人成為日本機(jī)器人企業(yè)的研發(fā)和推廣重點(diǎn)。例如，SONY公司生產(chǎn)的AIBO、QRIO型以及SDR-4X型情感機(jī)器人一時(shí)間成為機(jī)器人行業(yè)的翹楚，也令SONY公司收獲了巨大的商業(yè)回報(bào)。此外，一款名為“小IF”的機(jī)器人能夠從使用者聲音中挖掘出其中包含的情感信息，再通過與使用者對話過程中的微妙表情來進(jìn)行相應(yīng)的情感反饋。除日本外，美國麻省理工學(xué)院在情感計(jì)算研究方面也有作為，例如，以IBM公司 “藍(lán)眼計(jì)劃”及其開發(fā)出的“情感鼠標(biāo)”就是情感計(jì)算的實(shí)際應(yīng)用成果；2008年MIT的科學(xué)家們展示了一款能夠讀懂人類語言并且解讀出其中所包含的情感的機(jī)器人，它能夠通過一些面部表情以及肢體動(dòng)作來向使用者反饋?zhàn)陨砬楦小Ｉ鲜銮楦泄δ艿膶?shí)現(xiàn)離不開使用者當(dāng)前表情的獲取，工程師們使用了CCD（電荷耦合器件）攝像機(jī)，使得機(jī)器人能夠“看見”使用者微妙的面部表情以及肢體動(dòng)作中蘊(yùn)含的情感信息并進(jìn)行簡單的語言識(shí)別。

現(xiàn)階段的機(jī)器人在宣傳上聲稱已經(jīng)開發(fā)完成了完全理解人類的機(jī)器人，但是目前開始面向群眾銷售的機(jī)器人也都存在一些問題。例2014年軟銀集團(tuán)對外展示了和人類具備相同外形的機(jī)器人Pepper，在視頻展示中機(jī)器人準(zhǔn)確的解讀了人類的情感信息，獲得了很好的應(yīng)用效果。但是實(shí)際操作卻反映出，Pepper會(huì)規(guī)避問題，同時(shí)將話題轉(zhuǎn)移到自己已經(jīng)輸入好的對話模型中。實(shí)際就會(huì)表現(xiàn)為“所答非所問”。這也與其宣傳的自然交流有所不同。現(xiàn)在的市場上的機(jī)器人，大部分的問題也主要是這種利用“規(guī)避問題”來解決問題。這就與人們期望中的家庭陪伴型機(jī)器人相差甚遠(yuǎn)。這樣的機(jī)器人想通過圖靈測試確實(shí)是一件不可能完成的事情。它和人相差的太多，有時(shí)候完全理解不了人類的語言，也就無法完成家庭陪伴型機(jī)器人的目標(biāo)。

2.理想機(jī)器人模型

情感機(jī)器人存在的目的就是為了幫助需要的人來解決心理上的問題，像前文中提到孤獨(dú)問題。它不僅能夠在日常生活中與人類正常的交流，還可以在人類存在心理問題時(shí)準(zhǔn)確的判斷并解決。例如在悲傷時(shí)機(jī)器人可以自動(dòng)地來安慰你，憤怒時(shí)幫助你壓住心中的怒火，或是消極時(shí)給予你自信。這樣才能叫做真正的情感機(jī)器人。顯然現(xiàn)在的機(jī)器人與這個(gè)理想的完美機(jī)器人差距甚大，要達(dá)到理想機(jī)器人的程度，至少要具備一下的能力：

2.1 能準(zhǔn)確識(shí)別人類語言，做出自然交流

現(xiàn)在的自然語言理解，主要是提取一句話中的關(guān)鍵字，在大數(shù)據(jù)庫中進(jìn)行搜索，從而做出回答。但是事實(shí)上這句話可能與這個(gè)詞的本意毫無關(guān)聯(lián)，機(jī)器人無法分析上下文與語境，導(dǎo)致輸出結(jié)果大相徑庭。如果在大數(shù)據(jù)庫中無法識(shí)別出類似的語言，機(jī)器人便會(huì)“規(guī)避問題”，將話題轉(zhuǎn)移到自己設(shè)定的程序中。這種投機(jī)取巧的方式看似可以與人正常自然交流，卻是毫無用處。理想中的機(jī)器人，應(yīng)該能夠理解整句話的意思，通過上下文和語音語調(diào)來分析人的本意。只有擁有這樣的功能，才能夠滿足人們的需求。家庭陪伴型機(jī)器人最主要的功能是能與人交流，并且能夠達(dá)到讓擁有者不會(huì)體會(huì)到是機(jī)器人的僵硬。達(dá)到了真正的與人相同的機(jī)器人才能解決人類的孤獨(dú)感，或是給予人類心理的安慰這些高難度看似不可能的任務(wù)。這樣的機(jī)器人才能夠讓人感受到與自己交流的不是機(jī)器人，而是一個(gè)活生生的真人。

2.2 能準(zhǔn)確識(shí)別人類的面部表情，分析人類的情感

面部識(shí)別可以幫助語言的理解，從而分析人的情感，做出更準(zhǔn)確的判斷。同一句話，在不同的情感中說出，也具有不同的意義，這時(shí)候單純的分析語言就會(huì)顯得遜色。目前到底機(jī)器人可以識(shí)別出人的6種基本表情，但是人類不會(huì)刻意的去擺出那六種基本表情來表達(dá)自己的情感。相反，人類會(huì)用更復(fù)雜更細(xì)微的表情來反映內(nèi)心，這就使現(xiàn)在的機(jī)器人略顯遜色。同樣的，機(jī)器人也只能通過識(shí)別面部的關(guān)鍵點(diǎn)來判斷肌肉的運(yùn)動(dòng)并從數(shù)據(jù)庫中找到相應(yīng)的數(shù)據(jù)分析。每個(gè)人的面貌本身也有一定的區(qū)別，面部肌肉的運(yùn)動(dòng)程度也不盡相同，這也就表明了他的局限性之大，分析準(zhǔn)確度便會(huì)大大降低。理想中的機(jī)器人應(yīng)該能快速的識(shí)別出人類所有的表情，無論是簡單還是復(fù)雜，并且能夠應(yīng)用于所有人。情感機(jī)器人的重中之重就是分析情感，家庭機(jī)器人的情感方面更不能少了情感的分析。他的目的就在于分析清楚人類的情感，判斷用什么方式來幫助人類解決情感上的問題。

2.3 能準(zhǔn)確識(shí)別人類的肢體動(dòng)作，了解人類的行為意義

要想能判斷出人類的行為意義，就需要先識(shí)別人類的肢體動(dòng)作。與面部表情一樣，肢體動(dòng)作的識(shí)別也是通過關(guān)鍵點(diǎn)的識(shí)別來分析動(dòng)作。理解肢體語言能夠更好的幫助機(jī)器人判斷人類的情感狀態(tài)，完成自己的工作。當(dāng)人類不說話或是不露臉的情況下，機(jī)器人通過肢體動(dòng)作也能完成一整套的分析加判斷，這也就是肢體動(dòng)作的重要之處。

2.4 能夠有自我學(xué)習(xí)的能力

要想真正的融入人類的社會(huì)，完成預(yù)設(shè)的目標(biāo)，機(jī)器人需要在各方面都與人無異。例如在語言交流方面，簡單的一問一答現(xiàn)在的機(jī)器人已經(jīng)可以初步完成。但是要想像人類一樣和人交流，那么就需要了解人類交流的具體習(xí)慣、方式、語氣等細(xì)微的方面。人類之間的交流當(dāng)然不是簡單的一問一答，可能會(huì)根據(jù)聊天內(nèi)容延申，探討最近發(fā)生的事或是身邊的東西。目前的機(jī)器人也只是會(huì)強(qiáng)硬突兀的改變話題以達(dá)到自己“規(guī)避問題”的目的。也可能會(huì)使用復(fù)雜的語言形式，或是流行用語等。這些都需要機(jī)器人自主去學(xué)習(xí)，真正的了解人類交流的方式。

理想機(jī)器人所應(yīng)該具有至少這些的能力。家庭陪伴型機(jī)器人主要的任務(wù)就是陪伴人類，幫助解決人類心理上的孤獨(dú)。所以其最重要的功能就是要識(shí)別人類的語言，然后像人與人之間交流一樣能夠讓人感受到與他對話的不是機(jī)器人，這也是最基本的要求。面部識(shí)別和肢體動(dòng)作識(shí)別來輔助機(jī)器人，讓它有更好的判斷能力，以完成任務(wù)。而自我學(xué)習(xí)能力則完全能夠幫助機(jī)器人達(dá)到成為真正的人，能夠和人正常的交流。所以自主學(xué)習(xí)能力事重中之重。有了自主學(xué)習(xí)能力，機(jī)器人便能更好的做出自己的判斷和行動(dòng)、可以在任何時(shí)間地點(diǎn)做出最合適的方案用于實(shí)施。

3.機(jī)器人所具有的感知，規(guī)劃，行動(dòng)能力

機(jī)器人在與人類交流時(shí)，需要通過語言識(shí)別、面部識(shí)別、肢體動(dòng)作識(shí)別來判斷人類的情感和需要自己如何去做。這一系列的任務(wù)被細(xì)化為感知、規(guī)劃、行動(dòng)3個(gè)步驟。我也將把3種識(shí)別分條論述。

（1）在語言交流中，機(jī)器人首先需要通過麥克風(fēng)來感知人類的語言，判斷出人類的指令和目的。接下來規(guī)劃自己的回答語言和方式，選擇最合適的答案。行動(dòng)就是將選擇好的回答方案說出。這樣的感知、規(guī)劃、行動(dòng)的多次循環(huán)就成了完整的交流。但是如果僅僅是簡單的一問一答，那就又會(huì)變成最初的簡單機(jī)器人。機(jī)器人在語言方面中最重要的就是規(guī)劃能力，通過自主學(xué)習(xí)人類的對話后，能夠做出延伸話題，反問，或是利用比喻等高級(jí)的語言形式。這樣的機(jī)器人才能夠達(dá)到我們預(yù)設(shè)的目的。

（2）在面部識(shí)別中，最重要的則是感知模塊。因?yàn)槊總€(gè)人的臉型都不盡相同，所以感知的難度也大大增加。相同的，如果人戴上帽子或是口罩的話，難度就有會(huì)提升。所以在感知之前就需要先給對象進(jìn)行面部掃描，減少臉型帶來的影響。而有遮擋物的情況下，可以識(shí)別的區(qū)域減少，這時(shí)候可能就需要此人之前的面部表情來對比，以增加精準(zhǔn)度。在識(shí)別完成后，判斷出人類的心情，行動(dòng)反饋給語言模塊，讓語言更加的合適。

（3）肢體動(dòng)作識(shí)別與面部識(shí)別相似，其目的也是為了能夠更好的識(shí)別出人類的心理活動(dòng)，從而達(dá)到合適的交流。感知人類的位置和四肢的活動(dòng)。可能人類突然上前，其心理有可能是憤怒，可能是喜悅。這就需要加上四肢的活動(dòng)來判斷人類的真實(shí)情感。

4.當(dāng)前機(jī)器人與理想的差距

當(dāng)前機(jī)器人與理想機(jī)器人之間還是有很大差距。當(dāng)前機(jī)器人在語言方面上主要問題在于無法準(zhǔn)確識(shí)別出人類的語言。其表現(xiàn)為不能理解人類的問題，導(dǎo)致回答錯(cuò)誤的答案。或是直接強(qiáng)硬的轉(zhuǎn)移話題，將對話轉(zhuǎn)移到自己固有的程序上面。這樣的機(jī)器人肯定無法完成和人正常的交流。面部識(shí)別和肢體動(dòng)作識(shí)別同樣也有不準(zhǔn)確的問題，導(dǎo)致機(jī)器人整體實(shí)力不如理想的機(jī)器人。例如pepper機(jī)器人，它可以與你進(jìn)行程序上設(shè)定好的語言交流，卻不能完成程序外的語言交流任務(wù)。并且會(huì)生硬的將話題轉(zhuǎn)移到自己設(shè)定的程序上面，體現(xiàn)出機(jī)器人的自我規(guī)劃能力的缺失。就如同一臺(tái)會(huì)說話的電腦一般，只有人類向他輸入設(shè)定的程序，他才會(huì)按照程序給予反饋。這樣的家庭陪伴型機(jī)器人顯然與理想的機(jī)器人有很大的差距。

5.發(fā)展技術(shù)的迫切性

家庭陪伴型機(jī)器人有著良好的前景，它不僅可以與人類交流，也可以幫助人們解決心理上的問題。陪護(hù)型機(jī)器人占比已經(jīng)達(dá)到了機(jī)器人中的最高，同時(shí)機(jī)器人的發(fā)展也會(huì)向家庭陪伴型機(jī)器人靠攏。家庭陪伴型機(jī)器人有廣大的前景在于它可以開發(fā)加入更多的功能來服務(wù)人類。例如攝影，教育，規(guī)劃日程等功能。最大的可能便是成為家庭的健康助手，幫助人們完成健康管理。這樣，家庭陪伴型機(jī)器人不僅在硬實(shí)力方面可以做好人類的科技助手，在軟實(shí)力方面也可以與人類交流談心。但是在軟實(shí)力方面，當(dāng)前的機(jī)器人確實(shí)不夠強(qiáng)大，難以達(dá)到我們所預(yù)想的程度，所以發(fā)展更好的語言識(shí)別、分析等技術(shù)十分迫切。

6.總結(jié)

情感機(jī)器人有著廣大的發(fā)展空間，在現(xiàn)有的技術(shù)上還應(yīng)更加精確、更加細(xì)化。雖然現(xiàn)在的機(jī)器人技術(shù)還未達(dá)到理想的效果，但是在充分研究了機(jī)器人的漏洞和缺點(diǎn)后，我相信在不久的將來能夠研發(fā)出我們理想中的機(jī)器人。未來的機(jī)器人不僅僅在外貌上與人無異，同時(shí)在交流上也可以達(dá)到人類的水平。甚至你在和別人面對面的交流過程中根本發(fā)現(xiàn)不了對面是機(jī)器人的事實(shí)。未來的機(jī)器人可以察言觀色，一點(diǎn)細(xì)微的動(dòng)作機(jī)器人就能理解你心中的想法，幫助你完成目標(biāo)。這就是未來機(jī)器人的雛形，他與人無異，可以說就是一個(gè)真正的人。