[发明专利]一种基于传感器的仿生情绪交互行为输出方法

说明书

本发明涉及传感器仿生应用技术领域，且公开了一种基于传感器的仿生情绪交互行为输出方法，以解决仿生玩具、仿生机器人等非逻辑推理的人工智能生物特性的需求，利用多种安装在目标无上的传感器采集回来的数据，经过变换获得规范数据，利用人物性格多维情绪特征属性库，融合计算出当前情绪，并根据行为分类器输出行为，最后将计算结果、采集的数据和计算前的情绪数据，融合计算出新的人物性格特征数据。本发明已解决程序仿生情感的机械化问题，既保留了人物性格特性又实现了此性格的情感随外部事件变化而变化的功能，并给出最合理的行为。本发明模拟的内容是生物潜在的本能情感，而不是智能逻辑推理，努力解决的是人工智能人性的部分。

技术领域

本发明涉及传感器仿生应用技术领域，具体涉及一种基于传感器的仿生情绪交互行为输出方法，该方法应用于传感设备，可以模拟人物情绪表达。

背景技术

情绪模拟的仿生技术是一个前沿技术，由于人类或动物的情绪只有定性没有定量，很难通过程序高保真地模拟，所以这类技术一直以来都存在这样那样的不足，开发的模式和算法都在探索中。无论哪种方法他们的目标都是尽量模拟人类接受外部事件后产生的高兴、痛苦、惊讶、幸福、害怕等情绪变化。

人类或动物在收到外部事件(此处为多种传感器数值的变化，比如压力、温度、扭曲度等数值变化)的影响下，人物在多维情绪上会做出相应的变化，从而影响人物的行为。如果采用通过程序设置人物状态和逻辑判断来处理，会导致情绪机械性变化，没有了生物情绪应有的柔性、惯性、适应性、个性等特性，通过添加随机扰动来模拟也不足以准确模仿情绪的适应性和个性。如果采用深度学习方法，其需要大量素材的学习成功很高，学习后只能模拟单一性格的人物，很难模拟不同性格人物的情绪反应。

外部事件输入设备的多样性、非线性的输出数据，不仅需要规范在一个范围内，而且需要规范变化的方式，否则很难定量外部事件数据变化带来的影响效果。

人物的情绪受外部事件量大小与变化量多少的影响，也受变化频率快慢的影响，当这些数据达到一定的阈值时，处理方式需要改变，比如0.1秒的改变是很难做出反应，连续0.1秒的改变，人物很大可能看作一次改变。

除了外部事件引发的情绪变化，人物内在性格也影响这情绪变化，如果没有了性格设定，模拟将偏偏一律，失去生物的个性就缺乏真实性，长久使用会导致单一的机械感。

由于人物是具有适应性即学习性，在经过一定外部事件后会自我调整部分性格来适应外部事件，使得自己情绪更加平衡。

本发明很好地解决当前情绪模拟技术的遗留问题。

发明内容

本发明的目的在于提供一种基于传感器的仿生情绪交互行为输出方法，以解决仿生玩具、仿生机器人等非逻辑推理的人工智能生物特性的需求，利用多种安装在目标无上的传感器采集回来的数据，经过变换获得规范数据，利用人物性格多维情绪特征属性库，融合计算出当前情绪，并根据行为分类器输出行为，最后将计算结果、采集的数据和计算前的情绪数据(其中包含历史数据的影响信息)，融合计算出新的人物性格特征数据。

为实现上述目的，本发明提供如下技术方案：

一种基于传感器的仿生情绪交互行为输出方法，所述方法的步骤具体包括：

S1、外部事件第n次触发传感器采集原始数据，通过传感器原始数据输入输出曲线的反曲线获得随时间变化的线性变化数据，后经统一公式(1-1)映射到0-1之间的浮点数:

X[n]＝(x[n]-sx)/dx*4096；

Y[n]＝-c*log(a*X[n]+b)+d； (1-1)

公式(1-1)中的参数分别为dx:最大值与最小值的差值；

xn:第n次的输入数据；

Xn:投射到当前最小最大区间的输入数据；