有效优化仿人机器人的面部表情：一种贝叶斯优化方法

表达各种面部情绪是人类间高效沟通的一项重要社交能力。人机交互研究的一个关键挑战是赋予仿人机器人做出各种类人面部表情的能力，以便与人类进行高效沟通。我们开发的仿人机器人 Nikola 配备了许多用于面部肌肉控制的执行器。虽然这使 Nikola 能够模拟各种人类表情，但也使得识别产生所需表情的最佳参数变得复杂。在此，我们提出一种自动优化我们仿人机器人面部表情的新方法。我们使用机器视觉算法评估七种基本情绪的强度，并采用贝叶斯优化算法来识别产生最令人信服的面部表情的参数。由未经训练的人类参与者进行的评估表明，与之前依赖 Ekman 理论和人类专家进行参数调整的方法相比，我们的方法提高了仿人机器人在愤怒、厌恶、悲伤和惊讶面部表情上的感知强度。