日本大阪大學的研究團隊最近開發了一項新技術，使得人形機械人能以更自然的方式模擬人類情感表達，包括像興奮或困倦這樣的情緒。這項技術的核心是動態面部表情合成，旨在解決機械人在與人類互動時，表情可能讓人感到不自然甚至恐怖的問題，以提升交流型機械人的實用性。
據大阪大學介紹，目前許多人形機械人可以展示基本表情，如微笑或皺眉，但這些表情通常缺少一致的情感表達，可能讓人感覺不自然。傳統的表情設計多採用「拼湊法」，需要預備大量的預設動作，並通過微調控制表情的過渡效果。然而，這種方法既耗時又有一定的限制。
研究團隊開發的動態波形運動技術，能夠利用單一波形來表示面部各部位的動作，如眨眼和打哈欠，並將這些波形結合生成複雜的表情。相比傳統方法，這項技術不需要提前準備大量動作數據，並能確保表情的過渡更為自然，也能即時反映機械人內部的狀態。研究人員指出，這項技術能根據環境變化即時調整機械人的表情，使其能更生動地表達情緒，特別在醫療或陪伴等應用場景中有很大潛力。
此外，另一項研究介紹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。這一框架通過整合部分-整體、幾何-外觀和動態-靜態資訊，有效提升面部表情辨識的精確度。研究人員使用層次雙向遞歸神經網絡（PHRNN）分析面部標誌點的時間特徵，配合多信號卷積神經網絡（MSCNN）捕捉靜態圖像的空間特徵。
實驗表明，此方法在多個國際標準面部表情數據庫上的錯誤率顯著降低，為機械人情感辨識帶來重大突破。
大阪大學的創新技術結合了深度學習模型的研究，有望幫助機械人逐步克服「恐怖谷」現象，拉近人類和機械人之間的距離。未來，這些技術或將廣泛應用於服務、教育和醫療領域，為機械人與人類的互動創造更多可能性。
