唤醒人类面部情绪表情

人类仿生面部表情生成能力对于实现自然且类似人的交互至关重要，对于增强人机交互的流畅性和情绪表达的准确性发挥着关键作用。当前，人类仿生社交机器人的面部表情生成仍依赖预编程的行为模式，这需要高昂的人力和时间成本。为使仿生机器人能够自主获取通用的具象化能力，必须发展出通过自我训练学习类似人类表情的能力。为此，我们设计了一个高度仿生的机器人面部，配备物理-电子动画面部单元，并开发了一个基于 KAN (Kolmogorov-Arnold Network) 和注意力机制的端到端学习框架。与以往仿生社交机器人不同，我们还精心设计了一个基于面部运动原语专家策略的自动化数据收集系统，以构建数据集。值得注意的是，就我们知识而言，这是首个面向仿生社交机器人的开源面部数据集。全面的评估表明，我们的方法在不同测试主体之间实现了准确且多样化的面部模仿。