将情感植入陪伴机器人，「可以科技」自研人机交互智能决策模型 | 早期项目

文 | 周鑫雨

编辑 | 邓咏仪

“情感交互”正在成为机器迈向AGI的下一个战场。

近几年随着AI技术的迅速演进，机器学习的领域逐渐从文字、图像、视频等模态，转向更为复杂的情感识别。在情感识别技术发展下，“陪伴机器人”已发展为具有潜力的细分赛道。Precision Reports数据显示，2023年全球陪伴机器人市场规模预估为920311万美元，未来5年年复合增长率预计达到25.68%。

成立于2014年，可以科技是36氪长期关注的机器人企业。其首款产品ClicBot（可立宝）为可自由组装构型的模块化机器人。ClicBot好比可自由组装成遥控车、机械臂、机械宠物等形态的机器人乐高，用户可通过搭积木般的拼接以及功能程序编写，DIY具有不同功能的机器人。

在生成式AI技术逐渐成熟的当下，可以科技的第二代产品、陪伴机器人Loona则将功能重点从乐高般的DIY，转移到了人机交互。36氪曾有关Loona的功能做过详细的介绍。

Loona与狗对视。图源：可以科技

可以科技创始人兼CEO杨健勃告诉36氪，Loona的“宠物”形态来源于ClicBot中最受用户欢迎的构型。这一现象侧面反映出，用户对于机器提供类生命体的智能交互具有较高的需求，“我们想通过Loona打造下一代机器人智能决策机（Intelligent decision making machine）通过智能决策机，可以让机器人能够通过多模态地信息流畅地表达情感，让机器人真正懂人”。而情感交互可以将机器人人机交互体验从“理解命令”提升到“懂你”，让机器人可以自由地表达情感。

Loona被摸头。图源：可以科技

想在机器人上实现智能情感交互，需要在感知、决策、执行三个环节构建完整的软硬件系统。

作为建立人类情感模型的先决条件，高质量的人机情感交互数据一直是稀缺资源。杨健勃告诉36氪，数据采集的难点主要有二：一是需要双相交互，二是需要脱敏，不侵犯个人隐私。

为此，可以科技通过深度强化学习算法建立了一条从视觉感知、到生成式情感交互AI模型的通路。

在感知层，作为能够“读空气”的宠物，Loona的情感反馈来源于一整套复杂的视觉软硬件系统。作为“眼睛”，Loona搭载的3D-ToF摄像头等感知元件和算法可以实现人脸识别、身体检测、动态静态手势识别、人体骨骼识别、3D动作捕捉、物体识别、情感感知、宠物识别、场景识别、标志识别等感知功能。

Loona玩球。图源：可以科技

在决策层，在基于机器人收集到的脱敏交互数据，可以科技将Loona的基于数据库索引的交互模型转换成了基于深度学习的AI模型，继而则是通过Loona实机进行强化学习。目前，Loona拥有高日活跃率和持续提升的销量，基于用户反馈，Loona的强化学习可以建立起数据飞轮。

在执行层，基于以上两环构建的智能情感决策模型，可以科技正在研究一套实时交互生成系统。杨健勃介绍，以往Loona的情感表达采用的是由设计师提前设计的表情动作和音效来表达。接入情感决策模型后，Loona的表情、动作和音效能根据用户的交互实时生成，比如Loona的“眼球”能根据用户的表达转动，将交互周期从十几秒缩短到毫秒级。未来，Loona的实时交互系统还将持续升级。

Loona与孩子一起玩耍。图源：可以科技

“决策模型会颠覆掉Loona以往的交互方式。”杨健勃对36氪表示，“指令和功能的概念会变得不重要，因为Loona能够实时理解人类的意图，再自然地做出交互。”

而作为智能决策机，杨健勃认为Loona与宠物陪伴或人类陪伴并非替代关系，而是关系的有机补充，“生物的进化有特殊的性能，目前AI侧难以提供真实的感觉。但机器人的优势在于能够从更多维度理解人且做出反馈，也更稳定。相信它们将和宠物、人类有机共存。”

欢迎交流