AI迎賓接待機器人的核心是人機交互，在智能人機交互的研究中，對情感的識別、分析、理解、表達的能力是重點研發方向。情感計算作為人機交互技術的重要內容之一，致力于通過計算機對人類的情感狀態進行識別和分析。 情感計算的核心在于利用機器學習和人工智能算法，從人類的語音、面部表 情、生理特征等多個維度捕捉情感信息，并對其進行分析和判別。

情感計算包括文本、語音、視覺三種形式

可以由3部分組成：文本信息采集、情感特征提取和情感信息分類。文本信息采集模塊通過文本抓取工具(如網頁爬蟲工具) 獲得情感評論文本，并傳遞到下一個情感特征提取模塊，然后對文本中自然語言文本轉化成計算機能夠識別和處理的形式，并 通過情感信息分類模塊得到計算結果。

(1)20世紀80年代末至90年代初期，麻省理工學院多媒體實驗室構造了一個“情感編輯器”對外界各種情感信號進行采 集，綜合使用人體的生理信號、面部表情信號、語音信號來初步識別各種情感，并讓機器對各種情感做出適當的簡單反應；

(2)1999年，Moriyama提出語音和情感之間的線性關聯模型，并據此在電子商務系統中建造出能夠識別用戶情感的圖像采 集系統語音界面，實現了語音情感在電子商務中的初步應用。

(3)面部表情識別：到目前為止，面部表情識別模型都是將情感視為離散的，即將面部表情分成為數不多的類別，例如“高 興”,“悲傷”,“憤怒”等。1971年，Ekman和Friesen研究了6種基本表情(高興、悲傷、驚訝、恐懼、憤怒和厭惡),并系 統地建立了上千幅不同的人臉表情圖像庫。

(4)手勢識別：一個完整的手勢識別系統包括三個部分和三個過程，三個部分分別是采集部分、分類部分和識別部分；三個 過程分別是分割過程、跟蹤過程和識別過程。

頭部研發機構皆聚焦于情感智能模型的研發。目前全球頂尖的互聯網企業 與頭部科研院所皆有在情感智能大模型進行研發突破，例如META、 谷歌、 Hume AI,國內的上海交通大學等科研機構。主要研發項目在語音、表情、 聊天的識別于反饋上，隨著后續技術成熟，搭載了先進模型算法的表情陪伴 機器人將可以實現更精準的交流與深層次的情感溝通，進而給用戶提供情 緒價值。