確率モデルを用いた情動発達の構成的理解：養育者の知覚バイアスが促す情動の構造化

使用概率模型对情绪发展的建设性理解：照顾者感知偏差引发的情绪结构

• 批准号: 15J00671
• 负责人: 堀井 隆斗
• 金额: $ 1.22万
• 依托单位: Osaka University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2015
• 资助国家: 日本
• 起止时间: 2015-04-24 至 2017-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-15J00671/
• 关键词: 情動発達; 認知発達ロボティクス; 深層学習; 人-ロボットインタラクション; 心的状態推定; ベイズモデル; マルチモーダル; 情動発達; 認知発達ロボティクス; 深層学習; 人-ロボットインタラクション; 心的状態推定; ベイズモデル; マルチモーダル

人の情動カテゴリ(怒りや喜びなど)は発達的に増加していくことが知られているが，情動の認識や表出にかかわる能力がいかにして獲得されていくか，そのメカニズムは定かではない．本研究では人の情動発達過程の構成的理解を次の二つの方法で目指す．一つは深層学習モデルの一種である確率的ニューラルネットワークを用いた人の情動発達過程のモデル化とその計算機シミュレーションである．もう一方は人の生理指標(心拍数や発汗など)の変化をベイズモデルを利用した解析によって可視化し，情動発達過程に対する定量的評価を行うものである．今年度は昨年度成果を得た人の情動発達モデルを利用し，人とロボットの対面インタラクションにおいて人の情動表出を学習し，自身の情動表出を生成することのできる深層学習モデルを提案した．提案モデルは人の表出する「表情」「身振り」「音声」から表出に内在する情動情報を自己組織化的に抽出し，低次元空間でその関係性を表現する機能を持つ．他者の情動表出を学習した提案モデルは，従来のモデルと同様に未知表出に対する情動推定が行えるとともに，推定した他者情動や自己の情動状態に応じて自身の情動表出を生成することが可能である．これまでの人-ロボットインタラクション研究では情動認識システムと情動表出システムは分けてモデル化されることが多かったが，提案モデルでは人の情動認識・表出システムと同じように同一のモデルから両能力を発揮することができる．また同一モデルである利点を活かし，他者の情動表出が一部欠損している場合でも部分観測情報から一時的な情動推定を介し，自己表出の生成能力を利用して未観測情報を補完し再度情動推定を行うことで他者情動推定の精度を向上することに成功した．このような能力は人においてもメンタルシミュレーションとして知られており，提案モデルの妥当性を示唆する結果である．

众所周知，人们的情感类别（例如愤怒和喜悦）在发展中增加，但尚不清楚如何获得情感识别和表达的能力。这项研究旨在通过两种方法来理解人类情感发展过程的结构：一种是使用概率神经网络，一种深度学习模型和计算机模拟来对人类的情绪发展过程进行建模。另一个通过使用贝叶斯模型分析人类生理指标（心率，出汗等）的变化，并定量评估情绪发育过程。今年，我们提出了一个深度学习模型，该模型可以利用去年取得成果的人们的情感发展模型，通过人类与机器人之间的面对面互动来了解人类的情感表达并通过面对面的互动来产生自己的情感表达。所提出的模型具有自组织提取表达中固有的情绪信息的功能，从表达，手势和语音由人表达的语音，并在低维空间中表达关系。拟议的模型学习了他人的情感表达，可以对未知表达式进行情感估计，就像传统模型一样，并且可以根据他人的估计情绪表达以及自己的情感状态来产生自己的情感表达。以前的人类机器人相互作用研究经常对情感识别系统和情感表达系统进行建模，但是所提出的模型允许从同一模型中证明这两种能力，就像人类的情感识别和表达系统一样。此外，利用同一模型的优势，我们通过利用从部分观察信息中产生自我表达的能力，成功地提高了他人情绪估计的准确性，补充了未观察到的信息并重新估计情绪估计。这种能力在人类中被称为心理模拟，这是提出拟议模型的有效性的结果。