CN109074510A - 情感确定系统、系统以及程序 - Google Patents

情感确定系统、系统以及程序 Download PDF

Info

Publication number
CN109074510A
CN109074510A CN201780026294.7A CN201780026294A CN109074510A CN 109074510 A CN109074510 A CN 109074510A CN 201780026294 A CN201780026294 A CN 201780026294A CN 109074510 A CN109074510 A CN 109074510A
Authority
CN
China
Prior art keywords
emotion
information
robot
determines
determined
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN201780026294.7A
Other languages
English (en)
Inventor
孙正义
筒井多圭志
朝长康介
大浦清
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SoftBank Robotics Corp
Original Assignee
Emotional Aisibi Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Emotional Aisibi Corp filed Critical Emotional Aisibi Corp
Publication of CN109074510A publication Critical patent/CN109074510A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition
    • G06V40/175—Static expression
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Neurology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Manipulator (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

情感确定系统包括：信息取得部，取得用于决定对象目标的情感的信息；判定部，基于信息，判定是否分别满足与多个情感分别相对应的判定要素；调整部，在信息适合于与预先决定的种类的情感相关的预先决定的条件的情况下，在多个情感所映射的空间中将预先决定的种类的情感占据的范围放大；情感确定部，确定多个情感中的、被判定部判定为满足建立对应的判定要素的情感；以及输出控制部，使表示由情感确定部确定的情感以及空间中的多个情感各自占据的范围的信息输出。

Description

情感确定系统、系统以及程序
技术领域
本发明涉及情感确定系统、系统以及程序。
背景技术
已知有如下的终端：学习用户与通话对象的对话，并将通话对象对用户的询问的应答存储在应答表中(例如，参照专利文献1)。另外，已知有如下的情感生成装置：具备输入用户信息、设备信息以及自身当前的情感状态以便输出下一次的情感状态的神经网(例如，参照专利文献2)。另外，已知有如下的技术：在包括多个电子神经元的内容寻址存储器中存储时空模式，所述电子神经元具有持有有向人工突触连接性的分层的神经网关系(例如，参照专利文献3)。
在先技术文献
专利文献
专利文献1：日本特开2011－253389号公报
专利文献2：日本特开平10－254592号公报
专利文献3：日本特表2013－535067号公报
发明内容
以往，在确定对象目标的情感的处理中，存在不能根据确定的状况适当地处理成容易产生确定种类的情感这一状态的课题。
一般公开
在本发明的第1方面中提供了情感确定系统。情感确定系统可以包括取得用于决定对象目标的情感的信息的信息取得部。情感确定系统可以包括基于信息判定是否分别满足与多个情感分别相对应的判定要素的判定部。情感确定系统可以包括调整部，该调整部在信息适合于与预先决定的种类的情感相关的预先决定的条件的情况下，在多个情感所映射的空间中将预先决定是种类的情感占据的范围放大。情感确定系统可以包括确定多个情感中的、被判定部判定为满足建立对应的判定要素的情感的情感确定部。情感确定系统可以包括使表示由情感确定部确定的情感以及空间中的多个情感各自占据的范围的信息输出的输出控制部。
调整部可以还基于信息取得部取得的信息，以容易满足与空间中使范围放大的情感建立了对应的1个以上的判定要素的方式，调整作用于1个以上的判定要素的判定的运算参数。
多个判定要素可以是以基于信息取得部取得的信息的输入信息为输入的神经网络所含的多个人工神经元。
可以是，多个人工神经元被与多个情感中的某个情感相对应，情感确定部确定多个情感中的、与多个人工神经元中的放电的人工神经元相对应的情感。
运算参数可以是神经网络所含的人工突触的耦合系数。
调整部可以使与空间中的使范围放大的情感建立了对应的1个以上的判定要素所连接的强耦合性的人工突触的耦合系数增大。
情感确定系统可以还包括分泌信息生成部，该分泌信息生成部基于信息取得部取得的信息，生成表示1个以上的内分泌物质的分泌量的分泌信息。调整部可以基于分泌信息基于内分泌物质的分泌量调整耦合系数，并且在放大了空间中的预先决定的种类的情感占据的范围的情况下，进一步调整与预先决定的种类的情感建立了对应的1个以上的判定要素所连接的耦合系数。
预先决定的种类的情感可以是妄想/分裂位置所对应的情感。预先决定的条件可以是用于判断对象目标处于妄想/分裂位置所对应的预先决定的状况的主旨的条件。
输出控制部可以使空间中强调地显示由情感确定部确定的情感在空间中占据的范围。
情感确定系统可以还具备根据由情感确定部确定的情感控制对象目标的控制部。
在本发明的第2方面中，提供了系统。系统可以具备所述的情感确定系统。系统可以具备对象目标。
在本发明的第3方面中，提供用于使计算机作为所述的情感确定系统发挥作用的程序。
另外，所述的一般的公开并非列举全部必要的特征。另外，这些特征组的次级组合也可成为发明。
附图说明
图1概略地示出本实施方式的系统10的整体构成的一个例子。
图2概略地示出机器人40以及服务器60的功能模块构成。
图3概略地示出多个情感所映射的情感映射图300。
图4概略地示出系统10所使用的神经网络的一部分。
图5是将蓄电池的剩余容量与内分泌物质建立对应的对应信息的一个例子。
图6是将去甲肾上腺素的分泌量与耦合系数BS建立对应的耦合系数对应信息的一个例子。
图7示出使妄想/分裂位置所对应的情感的范围放大的条件与耦合系数的对应信息的一个例子。
图8是表示情感确定系统100中的各部的动作的流程图。
图9示出显示于机器人40的情感映射图画面。
图10示出显示于机器人40的情感映射图画面。
具体实施方式
下面，通过发明的实施方式来说明本发明，但下面的实施方式并非限定本发明的保护范围所涉及的发明。另外，实施方式中说明的特征组合并非全部是发明的解决方案所必须的。
图1概略性地示出本实施方式的系统10的整体构成的一个例子。系统10具备服务器60、机器人40a、机器人40b以及机器人40c。另外，服务器60可作为情感确定系统发挥功能。机器人40a、机器人40b以及机器人40c分别是情感确定系统中的对象目标的一个例子。
机器人40a、机器人40b以及机器人40c例如配置于家庭。用户50a是机器人40a的用户。用户50a是配置有机器人40a的家庭的家庭成员、访问该家庭的其他人。机器人40a进行与用户50a对话等交换。同样，机器人40b以及机器人40c分别进行与用户50b以及用户50c对话等的交换。另外，机器人40a、机器人40b以及机器人40c也能够配置于商店、事务所的接待处等来应用应对来访顾客等的利用方式。机器人40a、机器人40b以及机器人40c的利用方式并不限定于这些利用方式。
服务器60远隔机器人40a、机器人40b以及机器人40c地设置。服务器60能够通过通信网络90控制机器人40a、机器人40b以及机器人40c。例如，服务器60通过通信网络90取得由机器人40a检测出的传感器信息，基于已取得的传感器信息决定机器人40a的情感、使机器人40a进行的动作，通过通信网络90发送控制信息并向机器人40a指示。
另外，机器人40b以及机器人40c具有与机器人40a大致相同的功能。在系统10的说明中，有时将机器人40a、机器人40b以及机器人40c统称为机器人40。另外，在系统10中，由服务器60执行确定机器人40的情感或决定动作的处理。但是，也可以由机器人40执行这些处理的一部分或者全部。
机器人40取得用户50的声音以及图像、机器人40接收到的外力的信息等由传感器检测到的各种信息，并向服务器60发送。服务器60基于从机器人40取得的信息，使用神经网络(NN)，生成用于控制机器人40的控制信息。
另外，服务器60使用生物体中的内分泌物质的量所对应的信息作为作用于情感的确定的作用信息，并根据生成的输入信息确定情感。例如，服务器60使用将多巴胺量、去甲肾上腺素量、血管加压素量、5－羟色胺量等脑内分泌物质的分泌量用作参数的神经网络来确定情感。在神经网络中，多巴胺量的增加可作用于类似“高兴”的情感的生成。另外，去甲肾上腺素量的增加可作用于类似“愤怒”的情感的生成。另外，5－羟色胺量的增加可作用于抑制“高兴”、“愤怒”等情感强度的方向。利用神经网络，通过这些内分泌物质的分泌量的总和，决定哪种情感容易产生。
具体地说明确定情感的处理。服务器60根据从机器人40取得的传感器信息，生成向神经网络的输入信息。另外，服务器60根据传感器信息，决定内分泌物质的分泌量。例如，在电池余量少的情况下，使去甲肾上腺素量增大。服务器60使用以接收到内分泌物质的作用的耦合系数连结了人工神经元的神经网络，确定机器人40的情感。
这里，服务器60例如在机器人40连续动作时间变长、机器人40休息不足那种状况的情况下，以使心理学中的妄想/分裂位置所对应情感容易产生的方式，控制神经网络相关的处理。例如，服务器60使作用于与属于妄想/分裂位置的情感对应的人工神经元的人工突触的耦合系数增大。另外，在服务器60中，在映射多个情感的情感映射图中，放大妄想/分裂位置所对应的情感在情感映射图内占据的范围。另外，属于妄想/分裂位置的情感指的是表示例如容易与分裂机制的行动相关联的心理状态的情感。
服务器60向机器人40发送表示使用神经网络确定的机器人40的情感的信息、以及表示在情感映射图中被放大的情感的信息在内的控制信息。机器人40基于从服务器60接收到的控制信息来显示情感映射图，将由服务器60确定的机器人40的情感在情感映射图上强调显示。另外，服务器60在确定了属于妄想/分裂位置的情感的情况下，使控制信息包含进行分裂机制那种妄想/分裂位置所对应的行动的指示即可。由此，能够使机器人40具有如真人一般的心理状态。这样，根据系统10，在确定机器人40的情感的处理中，能够根据机器人40接收到的状况适当地处理成容易生成确定的情感。
图2概略地示出机器人40以及服务器60的功能模块构成。首先，对机器人40的功能模块构成进行说明。机器人40具有传感器部120、信息处理部130、控制对象160、以及通信部102。信息处理部130可以是MPU等的处理器。通信部102负责与服务器60的通信。通信部102可以是网络IF等通信装置。
控制对象160包括后述的显示部。控制对象160包括扬声器。控制对象160还包括驱动机器人40的肢体部、头部等的可动部的马达等。
传感器部120具有麦克风、陀螺仪传感器、马达传感器、相机、电池余量传感器、红外线传感器等各种传感器。传感器部120的麦克风取得周围的声音。例如，传感器部120的麦克风取得用户50的声音。传感器部120的相机通过可见光拍摄并生成动态图像、静态图像的图像信息。传感器部120的红外线传感器利用红外线检测周围的物体。传感器部120的陀螺仪传感器检测机器人40整体以及机器人40的各部的角速度。传感器部120的马达传感器检测驱动机器人40的可动部的马达的驱动轴的旋转角度。传感器部120的电池余量传感器检测机器人40所具备的电池的剩余容量。
传感器部120向信息处理部130输出由麦克风取得的声音数据、由相机拍摄到的图像、由陀螺仪传感器检测到的角速度、由马达传感器检测到的旋转角度、由电池余量传感器检测到的剩余容量、由红外线传感器检测到的物体信息等各种传感器数据。信息处理部130将取得的传感器信号向通信部102供给，并向服务器60发送。另外，信息处理部130基于从服务器60取得的控制信息，从机器人40的扬声器发声或使机器人40的肢体部动作。
接下来，对服务器60的功能模块构成进行说明。服务器60具有处理部270、通信部202、以及储存部280。处理部270具备分泌信息生成部200、输入信息生成部210、调整部220、情感确定部260、控制部250、以及判断部252。情感确定部260具有NN运算部230与判定部240。通信部202具有信息取得部204。
通信部202负责与机器人40的通信。通信部202可以是网络IF等通信装置。储存部280具有硬盘装置、闪存等存储介质。另外，储存部280具有RAM等易失性存储装置。储存部280除了储存处理部270执行时读出的程序代码、各种暂时数据之外，还储存执行处理部270的处理所需的数据等。
信息取得部204取得用于决定机器人40的情感的信息。例如，信息取得部202通过网络90取得由机器人40的传感器部120检测出的信息。判定部240基于信息取得部202取得的信息，判定是否分别满足与多个情感分别建立对应的判定要素。
调整部220在信息取得部202所取得的信息适合于与预先决定的种类的情感相关的预先决定的条件的情况下，在多个情感映射图中将预先决定的种类的情感占据的范围放大。例如，判断部252判断信息取得部202取得的信息是否适合于与预先决定的种类的情感相关的预先决定的条件。调整部220在利用判断部252判断为信息取得部202取得的信息适合于预先决定的条件的情况下，在多个情感映射图中将预先决定种类的情感占据的范围放大。
另外，情感映射图是情感所映射的空间的一个例子。另外，预先决定的种类的情感例如是与妄想/分裂位置对应的情感。另外，预先决定的条件是用于判断机器人40处于妄想/分裂位置所对应的预先决定的状况的主旨的预先决定的条件。另外，预先决定的种类的情感可以是表示在妄想/分裂位置与抑郁位置之间迁移的心理状况的情感。
情感确定部260确定多个情感中的、被判定部240判定为满足建立了对应的判定要素的情感。控制部250使表示由情感确定部260确定的情感、以及情感映射图中多个情感分别占据的范围的信息输出。例如，控制部250使表示该情感以及该范围的信息从通信部202向机器人40发送。
调整部220还基于信息取得部204取得到的信息，以容易满足多个判定要素中的、与在情感映射图中使范围放大的情感建立了对应的1个以上的判定要素的方式，调整作用于1个以上的判定要素的判定的运算参数。由此，在根据信息取得部204的取得信息判断为机器人40处于与妄想/分裂位置对应的状况的情况下，能够使妄想/分裂位置所对应的情感容易作为机器人40的情感来确定。
多个判定要素可以是以基于信息取得部204所取得的信息的输入信息为输入的神经网络所含的多个人工神经元。多个人工神经元可以与多个情感中的某个情感建立对应。情感确定部260可以在多个情感之中确定与多个人工神经元中的放电的人工神经元建立了对应的情感。另外，运算参数可以是神经网络所含的人工突触的耦合系数。调整部220使与情感映射图中的使范围放大的情感建立了对应的1个以上的人工神经元所连接的强耦合性的人工突触的耦合系数增大。
分泌信息生成部200基于信息取得部204取得的信息，生成表示1个以上的内分泌物质的分泌量的分泌信息。然后，调整部220基于分泌信息所示的内分泌物质的分泌量调整耦合系数，并且在将情感映射图中预先决定的种类的情感占据的范围放大的情况下，进一步调整与预先决定的种类的情感建立了对应的1个以上的判定要素所连接的耦合系数。由此，除了与内分泌相应的突触耦合的调整之外，能够根据机器人40的状况调整成容易产生确定种类的情感。
另外，控制部250使情感映射图中由情感确定部260确定的情感，在情感映射图中强调地显示占据的范围。由此，用户50能够容易地识别机器人40的情感。另外，在判断为机器人40处于妄想/分裂位置所对应的状况的情况下，在情感映射图中将妄想/分裂位置所对应的情感占据的范围放大地显示。由此，能够容易地识别机器人40的心情。
另外，控制部250根据由情感确定部260确定的情感，控制机器人40。例如，在由情感确定部260决定了“高兴”的情感的情况下，控制部250生成使执行表示高兴的行动的控制信息而向机器人40发送。另外，控制部250可以生成从机器人40的扬声器输出明朗语调的声音的控制信息而使机器人40与用户对话。另一方面，控制部250在作为机器人40的情感确定了妄想/分裂位置所对应的情感的情况下，从通信部202使进行分裂机制那种与妄想/分裂位置对应的行动的控制信息向机器人40发送。由此，能够通过机器人40的行动等适当地表现机器人40的心情。
另外，服务器60的各部的功能可以由计算机实现。例如，处理部270可以由MPU等的处理器等实现，储存部280可以由非易失性存储器等记录介质实现。储存部280可以储存由处理器执行的程序。处理器可以通过执行该程序，从而安装分泌信息生成部200、输入信息生成部210、调整部220、NN运算部230、判定部240、情感确定部260、判断部252、以及控制部250，实现储存部280的控制。该程序可以由处理器从光盘等的记录介质290读取而储存于储存部280，也可以通过网络提供到服务器60而储存于储存部280。储存部280以及记录介质290可以是计算机能够读取的非暂时的记录介质。
图3概略地示出多个情感所映射的情感映射图300。在情感映射图300中，情感从中心以放射状配置成同心圆。越接近同心圆的中心，越配置有原始状态的情感。在比同心圆靠外侧配置有表示从内心产生的状态、行动的情感。情感指的是也包含情绪、心理状态的概念。在同心圆的左侧配置有大体上由脑内引起的反应生成的情感。在同心圆的右侧配置大体上由状况判断引导的情感。
NN运算部230作为运算对象的神经网络包含分配到情感映射图300所示的各情感的人工神经元。神经网络还对情感映射图300中位于同心圆的最内侧的第1输入以及第2输入也分别分配有输入用的多个人工神经元。分配到第1输入以及第2输入的各个输入用的人工神经元，被输入输入信息生成部210根据信息取得部204取得的信息而生成的输入信息。而且，人工神经元大体从内侧朝向外侧地以人工突触连接，形成神经网络。另外，可以通过设计来决定输入信息向分配到第1输入的输入用的人工神经元输入、还是向分配到第2输入的输入用的人工神经元输入、还是向分配到第1输入的输入用的人工神经元以及分配到第2输入的输入用的人工神经元这两方输入。分配到第1输入的输入用的人工神经元大体上与情感映射图300中位于左侧的情感所对应的人工神经元相连。因此，在分配到第1输入的输入用的人工神经元被输入了输入信息的情况下，容易生成情感映射图300中位于左侧的情感。另外，分配到第2输入的输入用的人工神经元大体上与情感映射图300中位于右侧的情感所对应的人工神经元相连。而且，在分配到第2输入的输入用的人工神经元被输入了输入信息的情况下，容易生成情感映射图300中位于右侧的情感。
NN运算部230基于输入信息重复进行神经网络的运算，判定部240判定各人工神经元的放电状态。情感确定部260根据各人工神经元的放电状态判定机器人40的情感。例如，情感确定部260将被分配了放电的人工神经元的情感判定为机器人40所具有的一个情感。
在情感映射图300中，在比同心圆靠上侧大体配置表示愉快心情的情感。另外，在比同心圆靠下侧大体配置表示不愉快的心情的情感。这里，情感映射图300中包含属于妄想/分裂位置的情感。属于妄想/分裂位置的情感是大体上配置于从同心圆的中心沿着横轴的区域的情感。情感映射图300中属于妄想/分裂位置的情感是“迷惑”、“混乱骚乱”、“厉害”、“恐怖(惊人)”等。从同心圆的中心沿着横轴的区域是比同心圆的中心靠上侧的愉快心情与比中心靠下侧的不愉快心情交错那样的区域。换句话说，妄想/分裂位置可以说表示所谓的混沌的不确定的心理状态。图3所示的妄想/分裂位置内的情感也是表示在妄想/分裂位置与抑郁位置之间迁移的心理状况的情感。
服务器60在机器人40遇到陷入妄想/分裂位置那种状况的情况下，控制成容易产生妄想/分裂位置所对应的情感。另外，在遇到这种状况的情况下，使机器人40显示放大了妄想/分裂位置所对应的“迷惑”等情感占据的范围的情感映射图，从而更易于理解地提示机器人40的心情。之后叙这些具体的处理内容。
图4概略地示出系统10所使用的神经网络的一部分。图示的神经网络的一部分包含人工神经元N1、N2、N3、N4、N5以及N6、和人工突触S12、S14、S23、S25、S36、S42、S43、S45、S53、S56。人工神经元与生物体中的神经元对应。人工突触与生物体中的突触对应。
E1表示基于检测信号的输入信息。人工神经元N1是输入用的人工神经元。人工神经元N1分别被输入基于传感器的检测信号生成的n个输入信息E1 1···输入信息En 1。
人工突触S12是将人工神经元N1与人工神经元N2连接的人工突触。特别是，人工突触S12是将人工神经元N1的输出向人工神经元N2输入的人工突触。人工突触S14是将人工神经元N1与人工神经元N4连接的人工突触。特别是，人工突触S14是将人工神经元N1的输出向人工神经元N4输入的人工突触。另外，将j、k设为整数，将使人工神经元Nj的输出向人工神经元Nk输入的人工突触表述为人工突触Sjk。
这里，将i设为整数，将各人工神经元以Ni表述。Ni作为参数具有表示Ni的状态的Si、表示Ni所表示的人工神经元的内部状态的Vim、以及表示Ni的放电阈值的Ti。另外，人工突触Sjk作为参数具有耦合系数BSjk。另外，在本实施方式中，有时对人工神经元省略其下标地通称为人工神经元N。另外，有时对人工突触省略其下标地通称为人工突触S。同样，关于人工神经元的参数，有时也省略它们的下标而通称为内部信息Vm、阈值T、状态S。
人工神经元N的状态S、内部状态Vm、以及阈值T是可随着时间的推移同步更新的参数。状态S是关于神经元的放电状态的信息，至少示出人工神经元N处于放电状态还是非放电状态。内部状态Vm是关于神经元的膜电位的信息，并且是表示人工神经元N的内部状态或者输出的参数的一个例子。
另外，作为人工突触S的参数的耦合系数BS是能够随着时间的推移同步更新的参数。耦合系数BS是关于突触可塑性的信息，并且表示人工突触S耦合的人工神经元N彼此之间的耦合强度。
NN运算部230根据输入信息将神经网络中的所述参数更新，计算各人工神经元N的内部状态Vm。另外，在本实施方式中，人工神经元N在内部状态Vm超过阈值T的情况下，状态S成为“放电”状态。若成为放电状态，则从人工神经元N以预先决定的时间输出预先决定的信号。若经过预先决定的时间，则N的状态S返回不放电。
这里，列举N2更具体地说明NN运算部230的运算内容。NN运算部230通过BS12×Vm1×f(S1)+BS42×Vm4×f(S4)计算向N2的输入I2。这里，f(S)是在S表示不放电的值的情况下返回0、在S表示上升相或者下降相的值的情况下返回1的函数。另外，该f(S)与仅在神经元放电的情况下突触传递活动电位的模型对应。另外，也可以是f(S)＝1。这与不论是否为神经元的放电状态均传递膜电位的模型对应。作为f(S)，也可以应用与膜电位的其他传递模型对应的函数。
一般来说，NN运算部230通过ΣjBSji×Vmj×f(Sj)+ΣjEj i计算向Ni的输入Ii。NN运算部230使用当前时刻的BSji、Vmj、Sj、Ej，计算下一时刻的向Ni的输入Ii以及Si等。NN运算部230在时间上对其重复，从而实时地决定各人工神经元N的状态S。然后，判定部240判定各人工神经元N的状态S，情感确定部260根据判定部240的判定结果判定机器人40的情感。例如，情感确定部260在被分配了图3中的“高兴”这一情感的人工神经元放电了的情况下，确定“高兴”作为机器人40的情感。
这里，调整部220基于从机器人40取得的信息，调整人工突触S的耦合系数BS。例如，在检测到机器人40所具有的蓄电池的余量即剩余容量为50％以下的情况下，分泌信息生成部200使作为内部变量的“去甲肾上腺素”的分泌量增加。然后，调整部220基于“去甲肾上腺素”的分泌量，调整与“去甲肾上腺素”建立了对应的人工突触S的耦合系数BS。如后述那样，“去甲肾上腺素”的生成例如被设定为，将“不安”、“愤怒”等情感所对应的人工情感神经元放电的路径上的人工突触S的耦合系数BS强化。由此，“去甲肾上腺素”作用于容易生成“不安”、“愤怒”等情感的方向。
内部分泌物质的分泌量被与确定的人工突触S的耦合系数BS建立了对应。由此，通过由机器人40取得的信息，能够经由内部分泌物质的分泌量改变神经网络中的各个位置的人工突触S中的信号的容易传导程度。因此，能够根据机器人40取得的信息生出多种情感。
图5是将蓄电池的剩余容量与内分泌物质建立对应的对应信息的一个例子。储存部280与蓄电池的剩余容量的多个值建立对应地储存表示去甲肾上腺素的信息。更具体而言，储存部280分别与蓄电池的剩余容量建立对应地储存表示去甲肾上腺素的分泌量的增加量的信息。另外，分泌量的增加量以相对于NN运算部230所使用的内部变量所表示的分泌量的上限值1的比例表示。由此，蓄电池的剩余容量越减少，去甲肾上腺素的分泌量越多，越容易生成“不安”、“愤怒”的情感。
图6是将去甲肾上腺素的分泌量与耦合系数BS建立对应的耦合系数对应信息的一个例子。储存部280与去甲肾上腺素的总分泌量建立对应，储存将人工突触S14的耦合系数BS14的增加系数、人工突触S45的耦合系数BS45的增加系数、以及人工突触S43的耦合系数BS43的增加系数建立对应的信息。另外，这里列举的人工突触S被设为以强耦合将人工神经元N连接。
如图示那样，去甲肾上腺素量越多，BS14的增加系数以及BS45的增加系数越与更大的值建立对应。另一方面，去甲肾上腺素量越多，BS43的增加系数越与更小的值建立对应。由此，例如，在图4所示的神经网络中，相比于从从N1朝向N3的方向，从N1朝向N5的方向更容易传递通过输入信息产生的信号。因此，配置于从N1朝向N5的方向的人工神经元更容易放电。因此，例如在图3所示的情感映射图中，去甲肾上腺素越是增加，相对于同心圆的中心部配置于确定的方向的情感，例如“不安”、“恐怖”这类情感越容易放电。因此，能够在机器人40中容易产生与人类空腹情况下产生的情感类似的情感。
另外，这里，说明将人工突触S的耦合系数BS向使输出目的地的人工神经元N容易放电的方向调整的情况。但是，也可以以能够将人工突触S的耦合系数BS向使输出目的地的人工神经元N难以放电的方向调整的方式设定增加系数。例如，在人工突触S为强耦合的情况下，通过减小增加系数，能够使输出目的地的人工神经元N放电。另一方面，在人工突触S以抑制耦合将人工神经元N连接的情况下，通过增大增加系数，能够使输出目的地的人工神经元N难以放电，通过减小增加系数，能够使输出目的地的人工神经元N易于放电。
调整部220参照耦合系数对应信息，仅以与各内部分泌物质的总分泌量相应的量调整对应的耦合系数BS。由此，能够根据机器人40取得的信息复杂地调整耦合系数BS的调整量，进而能够以多种的组合使情感人工神经元放电。并且，通过机器人40取得的信息与内分泌物质的关系、以及各内分泌物质与耦合系数BS的关系替换成人类并赋予意义来对应，能够生成对人类来说无不协调的自然情感。
另外，与图5相关地例示了作为从机器人40取得的信息的蓄电池的剩余容量与去甲肾上腺素的对应关系。另外，与图6相关地例示了去甲肾上腺素与耦合系数BS的对应关系。但是，这些信息的对应关系是为了易于理解地说明神经网络内分泌物质的作用而例示的。也当然可以确定除与图5以及图6相关地说明的对应关系以外的对应关系。
图7示出使妄想/分裂位置所对应的情感的范围放大的条件与耦合系数的对应信息的一个例子。图7所示的妄想/分裂条件是应满足使妄想/分裂位置所对应的情感占据的范围放大的情况的条件。耦合系数信息包含确定人工突触的信息和表示耦合系数的增加量的信息。另外，人工神经元N1、N2、N3、N4、N5以及N6分别被设为与情感映射图300中的第2输入、“安心”、“安稳”、“不安”、“恐怖”以及“迷惑”建立了对应的人工神经元N。另外，各人工神经元N之间的人工突触S被设为强耦合性的人工突触。
储存部280与“5－羟色胺量＞阈值”这一条件建立对应地储存将BS12、BS23、BS36、BS14、BS45、BS56各自的识别信息与增加量建立对应的信息。储存部280与“休息不足的持续时间＞阈值”这一条件建立对应地储存将BS12、BS23、BS36、BS14、BS45、BS56各自的识别信息与增加量建立对应的信息。另外，储存部280与“家庭成员的非存在状态的持续时间＞阈值”这一条件建立对应地储存同样将BS12、BS23、BS36、BS14、BS45、BS56各自的识别信息与增加量建立对应的信息。
判断部252从分泌信息生成部200取得5－羟色胺的内分泌量，参照图7所示的对应信息，在5－羟色胺的分泌量超过了预先决定的分泌量阈值的情况下，判断为满足“5－羟色胺量＞阈值”的条件。在该情况下，调整部220使与该条件对应的BS12、BS23、BS36、BS14、BS45以及BS56仅增加与该条件对应的增加量。例如，调整部220使BS56仅增加0.6。
判断部252基于信息取得部204取得信的息，测量休息不足的持续时间。具体而言，判断部252基于信息取得部204取得的信息判断机器人40是否为动作中，在机器人40的连续动作时间超过了预先决定的时间的情况下，开始休息不足的持续时间的计数。然后，判断部252参照图7所示的对应信息，在休息不足的持续时间超过了预先决定的阈值的情况下，判断为满足“休息不足的持续时间＞阈值”的条件。在该情况下，调整部220使与该条件对应的BS12、BS23、BS36、BS14、BS45以及BS56仅增加与该条件对应的增加量。例如，调整部220使BS56仅增加0.6。
另外，判断部252基于信息取得部204取得的信息，测量家庭成员的非存在状态的持续时间。具体而言，判断部252判断基于信息取得部204取得的信息识别到的人物中，是否包含机器人40作为家庭成员而学习的人物。然后，判断部252在判断为不包含作为家庭成员学习的人物的状态产生的情况下，开始家庭成员非存在状态的持续时间的计数。然后，判断部252参照图7所示的对应信息，在家庭成员非存在状态的持续时间超过了预先决定的阈值的情况下，判断为满足“家庭成员的非存在状态的持续时间＞阈值”的条件。在该情况下，调整部220使与该条件对应的BS12、BS23、BS36、BS14、BS45以及BS56仅增加与该条件对应的增加量。例如，调整部220使BS56仅增加0.6。
由此，从人工神经元N1至人工神经元N3的路径上的人工突触S的耦合系数BS被强化，第2输入被输入了信息的情况下，人工神经元N3容易放电。因此，图3的情感映射图300中属于妄想/分裂位置的“迷惑”的情感容易被作为机器人40的情感而确定。例如在休息不足的持续时间未超过阈值的情况下，即使“安心”以及“安稳”所对应的人工神经元放电，“迷惑”的情感也难以放电，另一方面，在休息不足的持续时间超过阈值的情况下，若“安心”以及“安稳”所对应的人工神经元放电，则“迷惑”的人工神经元容易放电。另外，由于“不安”以及“恐怖”所对应的人工神经元容易放电，因此“迷惑”所对应的人工神经元更容易放电。
另外，在图7中，省略了连接于“混乱骚乱”所对应的人工神经元、图3的情感映射图300中的“厉害”以及“恐怖(惊人)”所分别对应的人工神经元的路径上的人工突触S的耦合系数BS的相关图示。但是，这些耦合系数BS的增加量也能够与图7所示的BS的增加量相同地定义。由此，在机器人40遇到陷入妄想/分裂位置的状况的情况下，能够使与妄想/分裂位置所对应的各情感建立了对应的各人工神经元N易于放电。
图8是表示情感确定系统100中的各部的动作的流程图。若指示开始情感生成处理，则在步骤802中，NN运算部230进行神经网络的参数的初期设定。例如，NN运算部230从储存部280读出参数的初期值，将神经网络的参数初始化(步骤802)。若初期设定完成，则在步骤804中开始每个时刻的处理循环。
在步骤806中，输入信息生成部210以及分泌信息生成部200取得信息取得部204从机器人40接收到的信息。在步骤808中，输入信息生成部210生成分配到第1输入的输入用的向人工神经元的输入信息、以及分配到第2输入的输入用的向人工神经元的输入信息。在步骤810中，分泌信息生成部200例如基于与图5、图6等相关地说明的对应信息、以及在步骤806中取得的信息，计算内分泌物质的分泌量。
在步骤811中，判断部252基于在步骤806中取得的信息，判断是否满足妄想/分裂条件。在判断为满足妄想/分裂条件(Y)的情况下，使处理移至步骤830，在判断为不满足妄想/分裂条件(N)的情况下，使处理移至步骤812。在满足妄想/分裂条件的情况下，在步骤830中，调整部220决定耦合系数BS的增加量。例如，调整部220如与图7等相关地说明那样，决定满足的妄想/分裂条件所对应的增加量。
接着，在步骤832中，调整部220决定属于妄想/分裂位置的各情感的放大量。例如，休息不足的持续时间越长，调整部220将妄想/分裂位置所对应的情感占据的范围的放大量决定为越大。另外，家庭成员的非存在状态的持续时间越长，调整部220将妄想/分裂位置所对应的情感占据的范围的放大量决定为越大。另外，调整部220根据妄想/分裂位置所对应的情感占据的范围的放大量，使其他的情感占据的范围减少。步骤832的处理之后，使处理移至步骤812。
在步骤812中，调整部220计算各人工突触S的耦合系数BS。例如，在步骤811的判断为N的情况下，调整部220基于在步骤810中决定的内分泌量，决定各耦合系数BS。另一方面，在步骤811的判断为Y的情况下，调整部220根据基于在步骤810中决定的内分泌量而决定的耦合系数BS和在步骤830中决定的增减量之和，决定各耦合系数BS。
接着，在步骤814中，NN运算部230利用与图4等相关地说明的式子，计算向各人工神经元N的输入I。接着，在步骤816中，NN运算部230基于向各人工神经元N的输入I，计算各人工神经元N的内部状态Vm。
接着，在步骤820中，判定部240基于各人工神经元N的内部状态Vm以及阈值T，判定放电的人工神经元N。在步骤822中，情感确定部260基于放电的人工神经元，判定机器人40的情感。由此，情感确定部260作为机器人40的情感，分配放电的人工神经元所对应的情感。另外，情感确定部260可以判断为机器人40更强烈地感受到放电的人工神经元中的、内部状态Vm更大的人工神经元N所对应的情感。接着，在步骤824中，控制部250基于在步骤822中判定的情感，控制机器人40的各部。
在S830中，服务器60判断是否结束循环。例如，在指示了结束情感生成处理的情况下，判断为结束循环。在未结束循环的情况下，返回S804，进一步进行下次的时间步骤的计算。在结束循环的情况下，结束该流程。
图9示出显示于机器人40的情感映射图画面。图9示出未满足图7所示的妄想/分裂条件、且调整部220未放大妄想/分裂位置的情感占据的范围的情况下的情感映射图画面。
服务器60的控制部250使情感映射图300所对应的目标900显示于机器人40的显示部162。具体而言，控制部250使表示各同心圆内中各情感占据的范围以及情感名称的信息包含于向机器人40的控制信息地发送。另外，控制部250使识别放电的人工神经元N所对应的情感的信息包含于控制信息地发送。
机器人40的信息处理部130基于接收到的控制信息，使显示部162显示目标900。在“安心”、“安稳”以及“坚强”所对应的人工神经元放电的情况下，信息处理部130如目标900所示那样使“安心”、“安稳”以及“坚强”占据的范围相比于其他情感占据的范围更加强调地显示于显示部162。例如，信息处理部130可以使“安心”、“安稳”以及“坚强”的情感占据的范围以与其他情感占据的范围不同的颜色显示于显示部162。
图10示出显示于机器人40的情感映射图画面。图10示出满足图7所示的妄想/分裂条件、且调整部220放大了妄想/分裂位置的情感的占有范围的情况下的情感映射图画面。
服务器60的控制部250基于控制部250从调整部220接到的情感的占有范围的放大量，决定各同心圆上的各情感占据的范围。然后，控制部250使表示决定的各情感占据的范围以及情感名称的信息包含于向机器人40的控制信息地发送。另外，控制部250使识别放电的人工神经元N所对应的情感的信息包含于控制信息地发送。
机器人40的信息处理部130基于接收到的控制信息，使显示部162显示目标1000。在图10所示的例子中，由于满足妄想/分裂条件，因此从神经网络的输入向“迷惑”的情感所对应的人工神经元N的路径上的人工突触S容易放电。由此，除了“安心”以及“安稳”的情感所对应的人工神经元N之外，“不安”、“恐怖”以及“迷惑”的情感所对应的人工神经元N放电。
另外，由于满足妄想/分裂条件，因此属于妄想/分裂位置的“迷惑”以及“混乱骚乱”、“厉害”以及“恐怖(惊人)”的情感占据的范围被放大。另一方面，对应于“迷惑”以及“厉害”的放大，与“迷惑”以及“厉害”的情感映射到同心圆上的“怜爱”、“快乐”、“坚强”、“恐怖”、“悲哀”、“不可原谅”、“悲伤”、“凄惨”、“希望”以及“高兴”的情感占据的范围被缩小地显示。另外，与“混乱骚乱”以及“恐怖(惊人)”的情感映射到同心圆上的“骄傲”、“温柔”、“遗憾”、“懊悔”、“憎恨”、“无地自容”、“愧疚”以及“绝佳”的情感占据的范围被缩小地显示。因此，用户50能够容易地识别机器人40的状况、心情。
如以上说明那样，根据系统10，在机器人40遇到陷入妄想/分裂位置状况的情况下，容易产生妄想/分裂位置所对应的情感。另外，由于机器人40的显示部162显示妄想/分裂位置所对应的情感占据的范围放大了的情感映射图，因此能够更易于理解地提示机器人40的心情。这样，根据系统10，在确定机器人40的情感的处理中，能够根据状况适当地处理成容易产生确定种类的情感这一状态。
另外，在所述实施方式的系统10中，在满足妄想/分裂条件的情况下，不仅将妄想/分裂位置所对应的情感占据的范围放大，还利用调整部220控制成容易产生妄想/分裂位置所对应的情感。但是，即使在满足了妄想/分裂条件的情况下，也可以不利用调整部220使妄想/分裂位置所对应的情感容易产生。
另外，在所述实施方式的系统10中，人工神经元N分别被分配了情感。但是，人工神经元N也可以不被分配情感。在这种情况下，在满足了妄想/分裂条件的情况下，通过将妄想/分裂位置所对应的情感占据的范围放大，从而使妄想/分裂位置的情感与更多的人工神经元N建立对应。由此，也能够控制为容易生成妄想/分裂位置所对应的情感。
另外，在所述实施方式的系统10中，在满足了妄想/分裂条件的情况下，将妄想/分裂位置所对应的情感占据的范围放大。但是，也可以取代放大妄想/分裂位置所对应的情感占据的范围，而是使情感映射图300绕情感映射图300中的同心圆的中心旋转。
以上说明的服务器60的功能可以由1个以上的计算机安装。服务器60的至少一部分的功能可以由虚拟机安装。另外，服务器60的功能的至少一部分可以通过云来安装。另外，机器人40是对象目标的一个例子。作为对象目标，也可采用机器人以外的各种形态。例如，对象目标也可以是汽车、机动二轮车等车辆、家电产品等。
以上，使用实施方式对本发明进行了说明，但本发明的技术范围不限于所述实施方式中记载的范围。对于本领域人员而言，能够在所述实施方式中加入各种变更或改良是显而易见的。从本发明的保护范围的记载可知，其加入各种变更或改良的形态也可以包括在本发明的技术范围内。
应注意，对于在本发明的保护范围、说明书以及附图中示出的装置、系统、程序以及方法中的操作、工序、步骤以及阶段等各处理的执行顺序，除非特别明确表示为“较早地”、“预先”等且将前面的处理的输出在之后的处理中使用，否则能够以任意顺序来实现。关于本发明的保护范围、说明书以及附图中的操作流程，即使为了方便使用“首先”、“其次”等进行了说明，也并非必须按照该顺序来实施。
附图标记说明
10系统；40机器人；50用户；90网络；102通信部；120传感器部；130信息处理部；160控制对象；162显示部；120传感器部；200分泌信息生成部；210输入信息生成部；220调整部；230NN运算部；240判定部；250控制部；252判断部；260情感确定部；270处理部；280储存部；290记录介质；300情感映射图；900目标；1000目标。

Claims (12)

1.一种情感确定系统，其特征在于，包括：
信息取得部，取得用于决定对象目标的情感的信息；
判定部，基于所述信息，判定是否分别满足与多个情感分别相对应的判定要素；
调整部，在所述信息适合于与预先决定的种类的情感相关的预先决定的条件的情况下，在多个所述情感所映射的空间中将预先决定的所述种类的情感占据的范围放大；
情感确定部，确定多个所述情感中的、被所述判定部判定为满足所述对应的所述判定要素的情感；以及
输出控制部，输出表示由所述情感确定部确定的情感以及所述空间中多个所述情感各自占据的所述范围的信息。
2.根据权利要求1所述的情感确定系统，其特征在于，
所述调整部还基于所述信息取得部取得的所述信息，调整作用于所述1个以上的判定要素的判定的运算参数，以使与所述空间中使范围放大的情感相对应的1个以上的所述判定要素容易满足。
3.根据权利要求2所述的情感确定系统，其特征在于，
多个所述判定要素是以基于所述信息取得部取得的所述信息的输入信息作为输入的神经网络所含的多个人工神经元。
4.根据权利要求3所述的情感确定系统，其特征在于，
多个所述人工神经元被与所述多个情感中的某个情感相对应，
所述情感确定部确定多个所述情感中的、与多个所述人工神经元中的放电的人工神经元相对应的情感。
5.根据权利要求3或4所述的情感确定系统，其特征在于，
所述运算参数是所述神经网络所含的人工突触的耦合系数。
6.根据权利要求5所述的情感确定系统，其特征在于，
所述调整部使与所述空间中的所述范围放大的情感相对应的1个以上的所述判定要素所连接的强耦合性的人工突触的耦合系数增大。
7.根据权利要求5或6所述的情感确定系统，其特征在于，
所述情感确定系统还包括分泌信息生成部，所述分泌信息生成部基于所述信息取得部取得的所述信息，生成表示1个以上的内分泌物质的分泌量的分泌信息，
所述调整部基于所述分泌信息所示的所述内分泌物质的分泌量调整所述耦合系数，并且在放大了所述空间中的预先决定的所述种类的情感占据的范围的情况下，进一步调整与预先决定的所述种类的情感相对应的1个以上的判定要素所连接的耦合系数。
8.根据权利要求1至7中任一项所述的情感确定系统，其特征在于，
所述预先决定的种类的情感是妄想/分裂位置所对应的情感，
预先决定的所述条件是用于判断所述对象目标处于所述妄想/分裂位置所对应的预先决定的状况的内容的条件。
9.根据权利要求1至8中任一项所述的情感确定系统，其特征在于，
所述输出控制部在所述空间中强调显示所述范围，所述范围是由所述情感确定部确定的情感在所述空间中占据的范围。
10.根据权利要求1至9中任一项所述的情感确定系统，其特征在于，
所述情感确定系统还包括控制部，所述控制部根据由所述情感确定部确定的情感，控制所述对象目标。
11.一种系统，包括权利要求1至10中任一项所述的情感确定系统和所述对象目标。
12.一种程序，用于使计算机作为权利要求1至10中任一项所述的情感确定系统发挥作用。
CN201780026294.7A 2016-04-28 2017-04-11 情感确定系统、系统以及程序 Withdrawn CN109074510A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2016091998A JP6273313B2 (ja) 2016-04-28 2016-04-28 感情特定システム、システム及びプログラム
JP2016-091998 2016-04-28
PCT/JP2017/014876 WO2017187974A1 (ja) 2016-04-28 2017-04-11 感情特定システム、システム及びプログラム

Publications (1)

Publication Number Publication Date
CN109074510A true CN109074510A (zh) 2018-12-21

Family

ID=60160442

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780026294.7A Withdrawn CN109074510A (zh) 2016-04-28 2017-04-11 情感确定系统、系统以及程序

Country Status (5)

Country Link
US (1) US20190065930A1 (zh)
EP (1) EP3435292A4 (zh)
JP (1) JP6273313B2 (zh)
CN (1) CN109074510A (zh)
WO (1) WO2017187974A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111513732A (zh) * 2020-04-29 2020-08-11 山东大学 面向疫病状况下多类人群的心理压力智能评估预警系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7363823B2 (ja) * 2019-01-22 2023-10-18 ソニーグループ株式会社 情報処理装置、および情報処理方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1392826A (zh) * 2000-10-05 2003-01-22 索尼公司 机器人设备及其控制方法
US20030067486A1 (en) * 2001-10-06 2003-04-10 Samsung Electronics Co., Ltd. Apparatus and method for synthesizing emotions based on the human nervous system
CN101506874A (zh) * 2006-09-13 2009-08-12 日本电信电话株式会社 情感检测方法、情感检测装置、安装了该方法的情感检测程序以及记录了该程序的记录介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5624100B2 (ja) * 2012-10-03 2014-11-12 コリア インスティチュートオブ インダストリアル テクノロジー 人工感情学習装置及び方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1392826A (zh) * 2000-10-05 2003-01-22 索尼公司 机器人设备及其控制方法
US20030067486A1 (en) * 2001-10-06 2003-04-10 Samsung Electronics Co., Ltd. Apparatus and method for synthesizing emotions based on the human nervous system
CN101506874A (zh) * 2006-09-13 2009-08-12 日本电信电话株式会社 情感检测方法、情感检测装置、安装了该方法的情感检测程序以及记录了该程序的记录介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JANOS BOTZHEIM 等: "Spiking Neural Network based Emotional Model for Robot Partner", 《2014 IEEE SYMPOSIUM ON ROBOTIC INTELLIGENCE IN INFORMATIONALLY STRUCTURED SPACE (RIISS)》 *
RONALD THENIUS 等: "EMANN - a model of emotions in an artificial neural network", 《ARTIFICIAL IMMUNE, NEURAL AND ENDOCRINE SYSTEMS》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111513732A (zh) * 2020-04-29 2020-08-11 山东大学 面向疫病状况下多类人群的心理压力智能评估预警系统

Also Published As

Publication number Publication date
JP2017199319A (ja) 2017-11-02
JP6273313B2 (ja) 2018-01-31
EP3435292A1 (en) 2019-01-30
WO2017187974A1 (ja) 2017-11-02
EP3435292A4 (en) 2019-04-24
US20190065930A1 (en) 2019-02-28

Similar Documents

Publication Publication Date Title
US11417236B2 (en) Real-time language learning within a smart space
KR101028814B1 (ko) 소프트웨어 로봇 장치와 그 장치에서 소프트웨어 로봇의행동 발현 방법
CN111375196A (zh) 基于感知的动态游戏状态配置
JP2019096349A5 (zh)
CN109416771A (zh) 使内容以群集中表现不好的用户为目标
US20220310247A1 (en) Virtual reality therapeutic systems
CN109074511A (zh) 存储控制系统、系统以及程序
JP2016536679A (ja) ニューラルシミュレータ用の共有メモリアーキテクチャ
JP2017511936A (ja) 現在の計算リソースへのニューラルネットワーク適応
KR101727592B1 (ko) 감성추론 기반 사용자 맞춤형 실감미디어 재현 장치 및 방법
CN108920213A (zh) 游戏的动态配置方法及装置
WO2014194668A1 (en) Systems and methods for equipping game props
CN109074510A (zh) 情感确定系统、系统以及程序
US20220309364A1 (en) Human-like non-player character behavior with reinforcement learning
JP5624100B2 (ja) 人工感情学習装置及び方法
JP2017509980A (ja) 動的な空間ターゲット選択
US10279267B2 (en) Monitoring game activity to detect a surrogate computer program
US12053702B2 (en) Systems and methods for evaluating game elements
JP6351692B2 (ja) 表示制御装置
Botzheim et al. Spiking neural network based emotional model for robot partner
KR20230025430A (ko) 컴퓨터로 구현되거나 하드웨어로 구현되는 엔티티 식별 방법, 컴퓨터 프로그램 제품 및 엔티티 식별을 위한 장치
CN112825014A (zh) 人工智能大脑
KR20070056768A (ko) 다중 감정 모델을 이용한 감정 처리 장치 및 그 방법
KR100914309B1 (ko) 지능형 에이전트 시스템 및 지능형 에이전트의 감정 생성방법
CN111815827A (zh) 游乐项目闸机的控制方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20191113

Address after: Tokyo, Japan

Applicant after: Softbank robotics Co., Ltd.

Address before: Tokyo, Japan

Applicant before: Emotional aisibi Corporation

WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20181221