日本大阪大學研究團隊日前成功開發一項全新技術，能令人形機械人以更自然方式模擬人類情感表達，呈現如興奮或困倦等情緒。此技術以動態面部表情合成為核心，冀能解決機械人與人類互動時，表情令人覺得恐怖的問題，並提升交流型機械人的實用價值。
大阪大學指出，現有的人形機械人能展示基本表情，例如微笑或皺眉，但由於這些表情背後缺乏一致情感狀態，常讓人感覺不自然，甚至產生不適。傳統表情設計多採用「拼湊法」，需要準備大量預設動作，並透過微調來控制過渡效果。然而此方法耗時且在實際運用中存在許多限制。
該研究團隊開發的動態波形運動技術，利用單獨波形表示面部各部位動作，例如眨眼和打哈欠等，並將這些波形疊加生成複雜表情。相比傳統方法，此技術無需提前準備龐大動作數據，還能確保表情過渡自然，並實時反映機械人內部狀態。研究人員強調，此技術能根據環境變化即時調整表情，令機械人能更生動地表達情緒，大幅提高與人類的交流效果，尤其在醫療或陪伴等應用場景中具備極大潛力。
與此同時，另一項研究展示了一種結合時間序列與靜態圖像分析的新型深度學習框架。該框架透過部分-整體、幾何-外觀以及動態-靜態資訊的結合，有效提升面部表情辨識技術的精確度。研究者採用層次雙向遞歸神經網絡（PHRNN）分析面部標誌點的時間特徵，並以多信號卷積神經網絡（MSCNN）捕捉靜態圖像的空間特徵。
實驗結果顯示，該方法在多個國際標準面部表情數據庫上的表現顯著優於傳統技術，分別降低了錯誤率 45.5%、25.8% 及 24.4%，為機械人情感辨識帶來突破性進展。
大阪大學的創新技術和結合深度學習模型的研究，將有助於機械人逐步突破「恐怖谷」心理障礙，拉近人類與機械人之間距離。未來，這些技術或能廣泛應用於服務、教育及醫療領域，為機械人與人類的互動模式創造更多可能性。
