随着机器人进入各种环境融入我们的生活，开始与人类进行定期互动，它们需要尽可能有效地与用户进行交流。因此，在过去十年左右的时间里，全世界的研究人员一直在开发基于机器学习的模型和其他可增强人机交互的技术。

改机器人与人类用户交流方式的一种方法是训练他们表达基本的情绪，例如悲伤、幸福、恐惧和愤怒。表达情绪的能力最终将使机器人能够以与给定情况相符的方式更有效地传达信息。

德国汉堡大学的研究人员最近开发了一种基于机器学习的方法，可以教机器人如何传达以前被定义为七种普遍情感的东西，即愤怒、厌恶、恐惧、幸福、悲伤、惊奇和中立状态。在预先发表在arXiv上的论文中，他们在名为iCub的人形机器人上应用并测试了其技术。

研究人员提出的新方法从以前开发的TAMER框架中汲取了灵感。TAMER是一种可用于训练多层感知器MLP（一种人工神经网络ANN）的算法。

在最近的研究中，TAMER框架适用于训练基于机器学习的模型，以通过在iCub机器人中产生不同的面部表情来传达不同的人类情感。iCub是由意大利理工学院（IIT）的研究团队开发的开放源代码机器人平台，是欧盟项目RobotCub的一部分，该项目经常用于机器人研究中以评估机器学习算法。

研究人员在论文中写道：“该机器人结合了卷积神经网络（CNN）和自组织图（SOM）来识别情感，然后学会使用MLP来表达情感。” “我们的目标是教一个机器人对用户的情绪感知做出适当反应，并学习如何表达不同的情绪。”

研究人员使用的CNN分析了iCub机器人捕获的人类用户面部表情的图像。然后，将通过此分析产生的面部特征表示输入到SOM，SOM揭示用户如何表达特定情感的特定模式。

随后，对这些模式进行建模并用于训练MLP，以预测如何调整iCub的面部特征以最佳地模仿用户的面部表情。然后，人类用户根据机器人表达情感的准确性来奖励机器人。

研究人员在论文中解释说：“一旦iCub执行并采取行动，用户就会得到奖励，从而为它提供目标价值。” “这是通过要求用户模仿机器人，并向其提供有关所执行动作与预期动作有多少不同的信息来完成的。”

随着时间的流逝，基于从人类用户那里获得的回报，研究人员设计的框架应该学会表达七种普遍情感中的每一种。到目前为止，已使用iCub机器人平台在一系列初步实验中对该技术进行了评估，取得了相当可观的结果。

研究人员说：“尽管结果令人鼓舞，并且大大减少了培训所需的时间，但我们的方法仍然需要每个用户进行100多次交互才能学习有意义的表情。” “随着培训方法的改进和收集更多的培训数据，这一数字有望减少。”