基于人工心理认知/行为的分层式交互机器人设计与架构

机器人是智能模拟的重要手段和研究载体，其体系结构决定了机器人智能、行为、信息、控制的时空分布模式，也从根本上决定了机器人的智能水平和行为方式。

具有情感的智能机器人主要应用于直接与人进行面对面的交互场合，为人类提供信息查询或者娱乐服务。这种机器人作为人类的伙伴参与到人类社会的各种活动中，它们可以有像人一样的身体，可以提供内容丰富的各种信息和交互途径，使我们可以流畅地与机器人进行各种形式的沟通。

情感机器人交互平台采用多智能体结构，系统中的基本单元被称为智能体（Agent）。它们是具有自主功能的能独立完成一定子任务的功能模块，并具有一个协调机构负责组织协调各个智能体，使之总体行为有利于预定目标的实现。多Agent系统可以通过并行机制加速系统的运行。一个任务可以分解为若干子任务，这些任务分别由不同的Agent完成。利用多Agent系统中的冗余Agent可以提高系统的鲁棒性。多Agent系统具有可扩充性，在多Agent系统中增加一个Agent要比增加系统的功能方便得多。多Agent系统的模块化程度更高、系统设计更简单。

根据情感机器人交互应用特点的要求：即反应的时效性和智能性。我们提出了基于人工心理的情感智能机器人控制体系结构——基于人工心理认知／行为的分层式体系结构，如图7-7所示。机器人在交互层通过各种交互感应器获取周围的环境状态信息，并经过简单反射决策，输出一种简单的反射动作，然后再通过上层的信息融合输出符合智能决策层处理规则的准确信息，智能决策层根据当前心理状态，当前交互任务调用规则知识库来输出较复杂的有目的的交互行为，最终通过自身的行为来表达对外部交互刺激的反应。

这种体系结构的设计与前面提到的几种体系结构相比，能够更加显著的体现情感机器人的交互主动性心智特征以及情感机器人动作交互的智能性和时效性。

从图7-7中可以看出，情感机器人的控制体系结构分为四个层次：信息交互层、本能反射层、信息融合层、智能决策层，下面分别介绍一下各层的功能和划分的意义。

(www.xing528.com)

图7-7 基于人工心理认知／行为的体系结构

信息交互层：这一层作为我们交互逻辑的最底层，直接与环境、交互者和网络中的其他在线设备发生联系。它包括机器人的各种硬件传感器、网络接口和具有信息采集及处理功能的软件agent，还包括机器人的信息输出执行机构。这里我们之所以把有信息处理功能的智能agent放在这一层，主要考虑到，首先，从人类自身处理信息的流程来分析，我们会发现在交互层中用agent所实现的功能基本上是人类不需要经过太多逻辑思维就能够实现的，这些能力由于人类的频繁使用已经接近于人类的本能，比如说我们在听一个人说话，我们把听到的声音信号转化为可以理解的语音信号的过程，此过程并没有运用大脑的逻辑分析功能，只是一种本能的表现。由于智能交互机器人最重要的特点是交互的实时性，所以需要把信息处理的能力尽可能分散开，以减轻智能决策层处理信息的压力，提高处理速度。

本能反射层：这一层模拟了人类的本能反射动作和无意识动作，在这一层中包含了我们所设计的一个简单本能反射规则库，在这个库中包含了最基本最简单的一些“感应—行动”规则，这些规是一对一的形式，不允许有复合推理形式出现。人体神经系统的调节方式是反射，人生下来就有的反射称为简单反射，又称为非条件反射，例如，缩手反射、眨眼反射等都属于简单反射，是一种比较低级的动作调节方式，反射过程不需要经过大脑皮层，只要有脊髓或脑干的神经中枢参与就可以完成，因此这种动作是没有逻辑成分的。人类还有一动作叫做无意识动作，比如当一个人在无聊的时候他可能会做抖脚，搓手，玩头发等小动作，这些动作无需经过大脑的逻辑思维就可完成的，因此我们把机器人的无意识动作也放到这一层。在这一层中我们接收到的是各种传感智能体经过初步处理的较原始交互信息。这种信息流中可能会有冗余或冲突性质的信息体存在，但是在简单反射层中我们的主要任务是反应机器人动作的时效性，在这层中我们的主要任务是完成简单的反射动作，在制定简单反射规则时可以利用简单的优先级规则来对各种交互信息体进行简单融合以决定当前要执行的交互动作。

信息融合层：这一层中接收本能反射层过滤的交互信息和环境信息，对这些信息进行融合，去除信息中包含的噪声信息，去除多信息中的冗余信息，最后得到智能决策层可以处理的标准信息格式。

智能决策层：这一层模拟了人类大脑中的逻辑推理和智能决策过程。我们在做出一个决策的时候，不但与得到的信息及掌握的知识有关，还与当时的心理状态以及要达到的交互任务有关，因此，在这一层中我们创建了一个人工心理状态模型以及一个交互任务库，并把这个模型中的值和交互目标作为机器人在智能决策过程中的输入变量，让机器人做出的决策能够反映出它当前的心理状态及当前的交互目标。这一层中主要用一些推理和智能决策的算法把输入的标准交互信息转化为交互输出行为信息。