高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于博弈的机器人认知情感交互模型

黄宏程 刘宁 胡敏 陶洋 寇兰

黄宏程, 刘宁, 胡敏, 陶洋, 寇兰. 基于博弈的机器人认知情感交互模型[J]. 电子与信息学报, 2019, 41(10): 2471-2478. doi: 10.11999/JEIT180867
引用本文: 黄宏程, 刘宁, 胡敏, 陶洋, 寇兰. 基于博弈的机器人认知情感交互模型[J]. 电子与信息学报, 2019, 41(10): 2471-2478. doi: 10.11999/JEIT180867
Hongcheng HUANG, Ning LIU, Min HU, Yang TAO, Lan KOU. Cognitive Emotion Interaction Model of Robot Based on Game Theory[J]. Journal of Electronics & Information Technology, 2019, 41(10): 2471-2478. doi: 10.11999/JEIT180867
Citation: Hongcheng HUANG, Ning LIU, Min HU, Yang TAO, Lan KOU. Cognitive Emotion Interaction Model of Robot Based on Game Theory[J]. Journal of Electronics & Information Technology, 2019, 41(10): 2471-2478. doi: 10.11999/JEIT180867

基于博弈的机器人认知情感交互模型

doi: 10.11999/JEIT180867
基金项目: 国家自然科学基金(61871062),重庆邮电大学科研基金(A2018-07)
详细信息
    作者简介:

    黄宏程:男,1979年生,副教授,研究方向为认知情感计算研究、复杂网络与信息传播理论

    刘宁:女,1995年生,硕士生,研究方向为认知情感计算研究

    胡敏:女,1971年生,副教授,研究方向为信息通信网络体系结构、人机交互理论与技术应用

    陶洋:男,1964年生,教授,研究方向为人工智能、大数据与计算智能

    寇兰:女,1963年生,副教授,研究方向为D2D通信、人机交互理论与技术应用

    通讯作者:

    陶洋 taoyang@cqupt.edu.cn

  • 中图分类号: TP242.6

Cognitive Emotion Interaction Model of Robot Based on Game Theory

Funds: The National Natural Science Foundation of China (61871062), The Scientific Research Foundation of Chongqing University of Posts and Telecommunications (A2018-07)
  • 摘要: 针对现有的人机交互系统普遍存在情感缺失、参与人参与度不高的问题,该文依据PAD情感空间提出一种基于博弈的机器人认知情感交互模型。首先,对参与人的交互输入情感进行评估并分析当前人机交互关系,提取友好度和共鸣度2个影响因素。其次,模拟人际交往的心理博弈过程对参与人和机器人的情感生成过程进行建模,将嵌入博弈的子博弈完美均衡策略作为机器人的最优情感选择策略;最后,根据最优情感策略更新机器人的情感状态转移概率,并以6种基本情感的空间坐标为标签,得出受到情感刺激后机器人情感状态的空间坐标。实验结果表明,与其它认知交互模型相比,该文模型能够减少机器人对外界情感刺激的依赖并有效引导参与人参与人机交互,为机器人的情感认知建模提供了新的方法和思路。
  • 图  1  人机交互过程

    图  2  机器人的情感策略选择过程

    图  3  不同认知模型作用下的机器人输出情感与参与人输入情感的关联度分析

    图  4  参与人与不同认知模型作用下的聊天机器人交互时的满意度统计

    表  1  基于博弈的机器人认知情感交互模型构建

     输入:$k{{ - 1}}$次会话后友好度更新值$F(k - 1)$和机器人的情感状态转移概率${{\text{P}}_{\rm{R}}}(k - 1)$, $k$次会话参与人的交互输入情感${\text{E}}_{{\rm{HR}}}^k$;
     输出:$k + 1$次会话时机器人的情感值${\text{E}}_{{\rm{RH}}}^{k{{ + 1}}}$;
     Repeat:
     参与人输入交互情感${\text{E}}_{{\rm{HR}}}^k$;
     根据式(1)—式(3)将${\text{E}}_{{\rm{HR}}}^k$评估转化为强度值向量${\text{P}}({\text{E}}_{{\rm{HR}}}^k)$;
     根据式(8)—式(11)计算针对$k + 1$次会话机器人每种情感策略选择,预测$k + 2$次会话参与人每种情感策略选择,$k + 3$次会话机器人每种情
    感策略下参与人和机器人的效用值;
     根据式(12),式(13)求解机器人的情感选择策略$s$;
     通过最优情感策略$s$对机器人的情感状态转移概率进行更新,对机器人情感的空间坐标进行标定;
     更新人机交互友好度,并令$k = k + 2$;
     Until 参与人停止输入交互情感;
     人机交互会话结束。
    下载: 导出CSV

    表  2  不同认知模型的自动评价结果

    模型MRRMAP
    Seq2Seq0.38360.4015
    ChatterBot0.46230.4923
    MECs0.59030.6091
    GCRs0.62690.6435
    本文0.65070.6756
    下载: 导出CSV

    表  3  参与人与不同认知模型作用下的机器人交互的次数与时间统计

    机器人的认知模型平均交互轮数(轮)平均交互时间(s)
    Seq2Seq998.32
    ChatterBot660.69
    MECs788.16
    GCRs10110.38
    本文12130.51
    下载: 导出CSV
  • TURKER B B, YEMEZ Y, SEZGIN T M, et al. Audio-facial laughter detection in naturalistic dyadic conversations[J]. IEEE Transactions on Affective Computing, 2017, 8(4): 534–545. doi: 10.1109/TAFFC.2017.2754256
    CHEN Min, HERRERA F, and HWANG K. Cognitive computing: Architecture, technologies and intelligent applications[J]. IEEE Access, 2018, 6: 19774–19783. doi: 10.1109/ACCESS.2018.2791469
    ZUCCO C, CALABRESE B, and CANNATARO M. Sentiment analysis and affective computing for depression monitoring[C]. The 2017 IEEE International Conference on Bioinformatics and Biomedicine (BIBM), Kansas City, USA, 2017: 1988–1995. doi: 10.1109/BIBM.2017.8217966.
    BELKAID M, CUPERLIER N, and GAUSSIER P. Autonomous cognitive robots need emotional modulations: Introducing the eMODUL model[J]. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2018, 49(1): 206–215. doi: 10.1109/TSMC.2018.2792542
    韩晶, 解仑, 刘欣, 等. 基于Gross认知重评的机器人认知情感交互模型[J]. 东南大学学报: 自然科学版, 2015, 45(2): 270–274. doi: 10.3969/j.issn.1001-0505.2015.02.014

    HAN Jing, XIE Lun, LIU Xin, et al. Cognitive emotion interaction model of robot based on Gross cognitive reappraisal[J]. Journal of Southeast University:Natural Science Edition, 2015, 45(2): 270–274. doi: 10.3969/j.issn.1001-0505.2015.02.014
    LIU Xin, XIE Lun, and WANG Zhiliang. Empathizing with emotional robot based on cognition reappraisal[J]. China Communications, 2017, 14(9): 100–113. doi: 10.1109/CC.2017.8068769
    ZHANG Rui, WANG Zhenyu, and MAI Dongcheng. Building emotional conversation systems using multi-task Seq2Seq learning[C]. The Sixth CCF International Conference on Natural Language Processing and Chinese Computing, Dalian, China, 2017: 612–621. doi: 10.1007/978-3-319-73618-1_51.
    RODRÍGUEZ L F, GUTIERREZ-GARCIA J O, and RAMOS F. Modeling the interaction of emotion and cognition in Autonomous Agents[J]. Biologically Inspired Cognitive Architectures, 2016, 17: 57–70. doi: 10.1016/j.bica.2016.07.008
    NANTY A and GELIN R. Fuzzy controlled PAD emotional state of a NAO robot[C]. 2013 Conference on Technologies and Applications of Artificial Intelligence, Taipei, China, 2013: 90–96. doi: 10.1109/TAAI.2013.30.
    曹东岩. 基于强化学习的开放领域聊天机器人对话生成算法[D]. [硕士论文], 哈尔滨工业大学, 2017.

    CAO Dongyan. Research on reinforcement learning for open domain chatbot dialogue generation[D]. [Master dissertation], Harbin Institute of Technology, 2017.
    ZHOU Hao, HUANG Minlie, ZHANG Tianyang, et al. Emotional chatting machine: Emotional conversation generation with internal and external memory[C]. The Thirty-Second AAAI Conference on Artificial Intelligence, New Orleans, USA, 2018: 730–738.
    华生. 欲望心理学: 人际交往中的心理博弈[M]. 北京, 中央编译出版社, 2016: 1–5.

    HUA Sheng. Psychology on Desire: Psychological Game in Interpersonal Communication[M]. Beijing: Central Compilation & Translation Press, 2016: 1–5.
    卜湛, 伍之昂, 曹杰, 等. 在线评论情感计算与博弈预测[J]. 电子学报, 2015, 43(12): 2530–2535. doi: 10.3969/j.issn.0372-2112.2015.12.028

    BU Zhan, WU Zhiang, CAO Jie, et al. Affective computing and game theory based prediction for online reviews[J]. Acta Electronica Sinica, 2015, 43(12): 2530–2535. doi: 10.3969/j.issn.0372-2112.2015.12.028
    PARK J W, KIM W H, LEE W H, et al. How to completely use the PAD space for socially interactive robots[C]. 2011 IEEE International Conference on Robotics and Biomimetics, Karon Beach, Thailand, 2011: 3005–3010. doi: 10.1109/ROBIO.2011.6181762.
    LI Jiaqi, ZHANG Chunyan, SUN Qinglin, et al. Changing the Intensity of Interaction Based on Individual Behavior in the Iterated Prisoner’s Dilemma Game[J]. IEEE Transactions on Evolutionary Computation, 2017, 21(4): 506–517. doi: 10.1109/TEVC.2016.2628385
    MARTINICH L P. Top ten lessons for managers: Deep dive into interpersonal communication[J]. IEEE Engineering Management Review, 2017, 45(2): 27–29. doi: 10.1109/EMR.2017.2701511
    SHANG Lifeng, LU Zhengdong, and LI Hang. Neural responding machine for short-text conversation[C]. The 53rd Annual Meeting of the Association for Computational Linguistics and the 7th International Joint Conference on Natural Language Processing, Beijing, China, 2015: 1577-1586. doi: 10.3115/v1/p15-1152.
    COX G. ChatterBot tutorial[EB/OL]. https://chatterbot.readthedocs.io/en/stable/tutorial.html, 2018.
    SUTSKEVER I, VINYALS O, and LE Q V. Sequence to sequence learning with neural networks[C]. The 27th International Conference on Neural Information Processing Systems, Montreal, Canada, 2014: 3104–3112.
    WU Yu, WU Wei, XING Chen, et al. Sequential matching network: A new architecture for multi-turn response selection in retrieval-based chatbots[C]. The 55th Annual Meeting of the Association for Computational Linguistics, Vancouver, Canada, 2017: 496–505.
  • 加载中
图(4) / 表(3)
计量
  • 文章访问数:  2868
  • HTML全文浏览量:  1165
  • PDF下载量:  125
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-09-02
  • 修回日期:  2019-02-26
  • 网络出版日期:  2019-04-03
  • 刊出日期:  2019-10-01

目录

    /

    返回文章
    返回