《多功能感知与情感计算》由会员分享，可在线阅读，更多相关《多功能感知与情感计算（4页珍藏版）》请在金锄头文库上搜索。
1、KKME-专业医学搜索引擎 http:/ C.W.Reynolds 的系统中使用属于每一个体的球形感知区域以实现视觉感知。传感器方法(Sensory)。给数字人配置多种虚拟传感器以感知环境信息，比如 Thalmann(1996)基于环境的三维几何信息构建听觉场，虚拟听觉传感器可以直接从这个听觉场中获取声音事件的位置信息和语义信息，触觉系统的建立则与碰撞检测过程直接关联;Renault 等(1996)采用从 z-buffer 中恢复场景的方法感知可见场景的深度信息，并根据对物体的颜色编码区分不同的物体。这种方法对感知的仿真程度依赖于虚拟环境中虚拟对象对可感知特性的模型复杂度。合成视觉方法。不同于
2、真实世界中的视觉，合成视觉方法不需要进行距离检测和模式识别等工作。比如Noser 等(1995)提出用启发式搜索的方法建立动态八叉树作为数字人的视觉记忆，内容是环境的背景信息。Peters 等(2000)基于认知心理学中的阶段学说，采用目标驱动的方法构建数字人的合成视觉。KKME-专业医学搜索引擎 http:/ 证据理论、模糊集理论与神经网络等。具体地说，主动感知的研究，包括感知信息的获取、感知对象的估计、感知信息的融合与感知动作的规划。Rabie 等人的研究中，探索性地提出一种基于视网膜的仿生主动视觉技术，将环境的三维信息投影到双眼的视网膜上形成二维的图像，用模式识别的方法得到关于环境和对象
3、的视觉信息。结合基于物理的人体仿真的研究，Rabie 等(2000)将这种方法成功地用于数字人系统 DI-GUY 中，初步实现了数字人的主动感知。在计算机情感或情感计算的研究上，主要集中在情感发生和情感表达上。目前，情感计算的一般方法是把情感看作主体和环境交互作用的结果，根据领域知识建立起情感知识库，利用知识发现的方法来抽取动作与情感之间的情感映射关系，然后通过肢体动作和面部表情的变化将情感表达出来或对数字人进行训练，使数字人表现出恰当的肢体动作或怡人的表情。情感发生的研究可以归纳为两类方法：交流驱动的方法。数字人根据用户指定的模式选择情感表达方法，比如 Pelachaud 等使用面部表情传递
4、情感;在 Cosmo 系统中，虚拟教师的教学目的驱动其关KKME-专业医学搜索引擎 http:/ OCC 情绪认知模型与不同的处理策略相结合以表达 Agent 的情感;Yoon 等(2000) 借助基于经验知识的学习机制，Agent 可以动态调整自身的情感状态;这些方法受限于评价理论的发展，评价过程是很不明确的，目前 Marsella 等提出将基于人工智能的计划方法与评价理论相结合，这可能是一条比较有前途的技术路线。情感表达就是在角色行为(肢体动作、面部表情、声音表达等)中将一定的情感表现出来。Ball 等(2000)基于贝叶斯网络估计了不同动作或者姿态与不同类型的人或者情感的映射关系，Pel
5、achaud 等(2002)则解决了情感表达中不同方式( 眉毛、嘴形、凝视方向、头部动作)的冲突问题。在情感化语音表达方面，研究还刚起步，任重而道远。目前交互技术在人机界面和机器人领域研究较多，而在面向艺术与设计的数字人技术研究中相对较少，涉及语音识别与合成、运动识别与控制、情感识别与表达等内容，并与多功能感知和情感计算相互融合。目前的交互技术主要通过肢体、面部表情等非语言的交互手段来实现，随着自然语言理解与表达等技术的发展，自然语言控制的交互手段也必将丰富起来。1993 年，Zadeh 提出了“软计算”的概念，主要模拟人脑思维的模糊性和不确定性的特征，结合类神经网络及模糊逻辑的优点，借助优化方法，例如遗传算法及模拟退火法等，来对专家知识进行KKME-专业医学搜索引擎 http:/ 等(2001)引入 FCM 方法作为数字人的多功能感知和情感建模的工具，可以较好地实现数字人的主动感知和情感表达。Lozano 则试图通过基于模糊适应性共振理论的神经网络(FuzzyARTNeuralNetwork)，以实现对数字人的感知和注意力的模拟。这些方法还有待进一步发展和完善。总之，虚拟感知与情感计算的研究是一个极富挑战性的研究课题，有待国内外研究人员工作的进一步加强。大头医生 http:/
