一种仿人机器人脸部友好性评估及其设计方法技术

本发明专利技术公开了一种仿人机器人脸部友好性评估及其设计方法。该方法包括：（1）基于不同脸部特征模拟生成仿人机器人脸部；（2）采集友好性评估实验过程中参与者对仿人机器人脸部产生的EEG信号和眼动信号，并记录参与者的偏好反馈；（3）结合参与者的偏好反馈，对采集到的脑电信号和眼动信号进行偏好评估，获得基于脑电信号和眼动信号的偏好排名；（4）基于脑电信号和眼动信号的偏好排名结果获得脸部特征偏好排名，进而选取具有友好性的脸部特征组合成组合成仿人机器人脸部。基于本发明专利技术方法可以设计出用户偏好的仿人机器人脸部，使用户在进行人机交互时产生舒适的情感，不产生抵触感，从而获得良好的用户体验，促进仿人机器人走进大众。众。众。

【技术实现步骤摘要】
一种仿人机器人脸部友好性评估及其设计方法


[0001]本专利技术属于人工智能领域、脑机接口领域、产品造型设计领域、人机交互领域和情感计算领域，涉及人机交互的情感计算问题，具体是一种通过EEG和眼动信号对仿人机器人脸部进行友好性评估和设计的方法。

技术介绍

[0002]随着机器人与人工智能的发展，仿人机器人在娱乐、服务以及医疗等领域备受青睐，是智能机器人研究的热门领域之一，但仿人机器人发展的同时也伴随着一些问题。仿人机器人与用户进行人机交互时，机器人的脸部轮廓对用户的交互体验影响很大。如果仿人机器人的脸部仿真性较高，极其接近于人脸，这就会增加用户的抵触感。最近有研究表明仿人机器人并不是越像人越好，仿人机器人甚至可能会影响人类的决策能力。反之，如果脸部仿真性比较低，就会影响用户的体验，产生假的感觉，在人机交互的情感方面产生负作用。
[0003]然而，当前的研究对于产品外观的设计大多是基于单一模态的，很少有研究利用EEG和眼动信号进行模态融合用于偏好检测，针对仿人机器人友好性脸部评估及其设计的研究更是很少。现有的基于脑电信号的产品外观设计研究大多数通过提取额叶位置的脑电信号，计算不同波段的功率谱密度作为特征对偏好和非偏好进行分类。
[0004]根据对现有技术的检索发现，Yisi Liu，Fan Li，Lin Hei Tang，Zirui Lan，Jian Cui，Olga Sourina，Chun
‑
Hsien Chen等人在2019International Conference on Cyberworlds(CW),2019,pp.219
‑
224撰文“Detection of Humanoid Robot Design Preferences Using EEG and Eye Tracker”(使用EEG和眼动追踪器检测仿人机器人的设计偏好)，该研究指出头部和面部特征是仿人机器人设计中的突出特征，且看起来更有吸引力的机器人被给予了更多的关注。但该研究中并没有关注仿人机器人的脸部细节特征组合，也没有同时采集EEG和眼动信号对仿人机器人的脸部进行偏好评估和设计。
[0005]综上所述，EEG和眼动信号在产品外观设计方面已初步取得成效，然而，目前的研究并没有关于仿人机器人，尤其仿人机器人的脸部外形偏好评估及其设计。在仿人机器人技术快速发展、更新迭代的同时，仿人机器人的脸部设计问题也不容忽视。

技术实现思路

[0006]针对现有技术的不足，本专利技术的目的在于提供一种仿人机器人脸部友好性评估及其设计方法；基于本专利技术方法可以设计出用户偏好的仿人机器人脸部，使用户在进行人机交互时产生舒适的情感，不产生抵触感，从而获得良好的用户体验，促进仿人机器人走进大众。
[0007]本专利技术提供一种仿人机器人脸部友好性评估及其设计方法，包括以下步骤：
[0008](1)基于不同脸部特征模拟生成若干张仿人机器人脸部；
[0009](2)采集友好性评估实验过程中测试者对仿人机器人脸部产生的EEG信号和眼动信号，并记录测试者的偏好反馈，用来验证由生理信号得出的偏好的准确性；；
[0010](3)结合测试者的偏好反馈，对采集到的脑电信号，利用前额不对称理论、效价、选择指数和功率谱密度指标进行偏好评估，对于采集到的眼动信号，基于注视、扫视和瞳孔信息提取眼动特征进行偏好评估，获得基于脑电信号和眼动信号的仿人机器人脸部偏好排名；
[0011](4)基于脑电信号和眼动信号的仿人机器人脸部偏好排名结果获得脸部特征偏好排名，进而选取具有友好性的脸部特征组合成组合成仿人机器人脸部。
[0012]本专利技术中，步骤(1)中，脸部特征包含五官、年龄、性别、毛发、头部形状和脸部肌肉。实施例中，采用MakeHuman软件来模拟生成人脸。
[0013]本专利技术中，步骤(2)中，友好性评估实验过程包括漂移检测、静息状态和仿人机器人脸部刺激呈现部分；漂移检测用于重新校准瞳孔位置，静息状态持续2秒以捕捉脑电基线；仿人机器人脸部刺激图片呈现2秒的期间收集脑电图和眼动信号；刺激图片消失后，参与者进入偏好反馈阶段。
[0014]本专利技术中，步骤(3)中，对采集到的脑电信号和眼动信号进行预处理后再进行偏好评估，脑电信号的预处理包括降采样、带通滤波器进行滤波处理，将原始脑电信号按图片刺激出现的时间划分成不同的时间窗口、对脑电信号进行去伪迹处理，归一化处理，最后删除电压幅度大于100μV的时间窗口的步骤。
[0015]本专利技术中，步骤(3)中，利用前额不对称理论、效价、选择指数和功率谱密度指标进行偏好评估，具体如下：
[0016]偏好的前额不对称是指大脑的左半球对偏好的激活较高，而右半球对非偏好的激活较高；效价是反映前额不对称性的指标，计算公式：(右半球激活
‑
左半球激活)/(右半球激活+左半球激活)；选择指数则和偏好呈正相关；偏好时前额的alpha(阿尔法)功率谱密度会升高。
[0017]本专利技术中，步骤(4)中，所述的具有友好性的脸部特征为一定范围内特征。
[0018]本专利技术的实施例中，步骤(4)中，具有友好性的脸部特征组合成组合成仿人机器人脸部的年龄的范围为18～27岁，性别为男性或女性，发色为黑色、棕色或淡红色。实施例中，脸部特征的百分比相对于模拟软件MakeHuman中的初始脸部(参数的百分比都是0)，眼睛尺寸的垂直移动、移动深度、水平移动、垂直缩放、水平缩放、缩放深度的百分比为30％～70％，鼻子尺寸的垂直移动、移动深度、水平移动、垂直缩放、水平缩放、缩放深度的百分比为30％～70％，嘴部尺寸的垂直移动、移动深度、水平移动、垂直缩放、水平缩放、缩放深度的百分比为30％～70％，耳朵尺寸的垂直移动、移动深度、水平移动、垂直缩放、水平缩放、缩放深度的百分比为30％～70％。
[0019]本专利技术中，所设计的是仿人机器人脸部的模拟2D图片。
[0020]本专利技术中所述的友好性为使用户在与仿人机器人进行交互时对机器人脸部产生舒适的感觉或情感，不产生抵触情绪，从而得到更好的用户体验；
[0021]和现有技术相比，本专利技术的有益效果在于：
[0022]本专利技术利用软件模拟出不同的仿人机器人脸部，可以任意调节脸部特征，通过脑电和眼动信号进行偏好评估，逐步收敛用户偏好的仿人机器人脸部特征，最终得到用好偏好性的仿人机器人脸部。
[0023]基于本专利技术方法可以设计出用户偏好的仿人机器人脸部，使用户在进行人机交互
时产生舒适的情感，不产生抵触感，从而获得良好的用户体验，促进仿人机器人走进大众。
附图说明
[0024]图1为模拟不同脸部特征生成的四张仿人机器人脸部2D图片。
[0025]图2为脑电和眼动信号采集过程。
具体实施方式
[0026]下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种仿人机器人脸部友好性评估及其设计方法，其特征在于：包括以下步骤：（1）基于不同脸部特征模拟生成若干张仿人机器人脸部；（2）采集友好性评估实验过程中测试者对仿人机器人脸部产生的EEG信号和眼动信号，并记录测试者的偏好反馈，用来验证由生理信号得出的偏好的准确性；（3）结合测试者的偏好反馈，对采集到的脑电信号，利用前额不对称理论、效价、选择指数和功率谱密度指标进行偏好评估，对于采集到的眼动信号，基于注视、扫视和瞳孔信息提取眼动特征进行偏好评估，获得基于脑电信号和眼动信号的仿人机器人脸部偏好排名；（4）基于脑电信号和眼动信号的仿人机器人脸部偏好排名结果获得脸部特征偏好排名，进而选取具有友好性的脸部特征组合成组合成仿人机器人脸部。2.根据权利要求1所述的方法，其特征在于，步骤（1）中，脸部特征包含五官、年龄、性别、毛发、头部形状和脸部肌肉。3.根据权利要求1所述的方法，其特征在于，步骤（2）中，友好性评估实验过程包括漂移检测、静息状态和仿人机器人脸部刺激呈现部分；漂移检测用于重新校准瞳孔位置，静息状态持续2秒以捕捉脑电基线；仿人机器人脸部刺激图片呈现2秒的期间收集脑电图和眼动信号；刺激图片消失后，参与者进入偏...

【专利技术属性】
技术研发人员：康晓洋，汪鹏超，穆伟，王君孔帅，方涛，
申请(专利权)人：复旦大学，
类型：发明
国别省市：