人形机器人的相似度与人类的好感度并不成正比。根据1970年日本机器人学家森政博提出的恐怖谷理论，随着物体拟人化程度的增加，人的反应呈现出增加-减少-增加的曲线。当拟人化程度达到一定程度后，人类的好感度就会急剧下降，甚至会让人觉得拟人化的角色让人毛骨悚然，令人毛骨悚然。恐怖谷理论/维基百科Facebook正试图让其机器人尽快穿越恐怖谷。近日，Facebook人工智能实验室（FAIR）的研究人员开发出一款擅长表达情绪的机器人。这是一个由AI算法控制的虚拟动画机器人，可以在观察数小时的人类Skype聊天视频后模仿人类表情。68个面部标记块为了更好地模拟人类表达情绪的方式，研究人员将动画中的人脸分成68个块，并着重观察这些部分在Skype对话中的变化。在谈话过程中，人类点头、眨眼和改变他们的嘴巴动作，机器人会学习这些面部变化。上图是人类对话中捕捉到的面部表情，下图是系统跟踪观察一段时间的面部表情，动画机器人可以实时预测可能出现的面部表情。如果视频中的人在微笑，机器人也可能张开嘴巴或歪着头。测试结果Facebook研究人员随后进行了一系列测试。志愿者观看了人与人对话的原始视频和受过训练的机器人的模拟反应，他们认为这些视频是自然而真实的。图中线条的高度表示嘴巴（左）和眼睛（右）的张合程度。可以看出，用户（上）的表达和代理（下）的预测基本一致。因为目前的算法只能在动画中表现出来，目前还不清楚算法支持的人形会有怎样的反应。学习面部交流的基本规则不足以创造真正的对话伙伴，GorenGordon博士说。以色列特拉维夫大学学生。卡内基梅隆大学语言技术研究所副教授路易斯-菲利普莫朗西说。未来，机器人可能具有更复杂的性格，或者能够根据与之交谈的人调整自己的性格。机器人不擅长人与人互动的这些微妙元素，戈登说，他还表达了对机器人的期望：“在某个时候，我们最终会走出恐怖谷，走向另一边。”大阪大学智能机器人研究所设计的人形机器人女播音员OtonaroidFacebook将于本月24日在温哥华举行的IROS2017上展示该技术。该技术的论文《Learn2Smile: Learning Non-Verbal Interaction Through Observation》已经公开。论文摘要在这里本文研究了人与代理人面对面交流中的非语言面部线索，并提出了一种基于用户表情自动学习和升级代理人面部表情的方法。我们用数百个视频训练了神经网络，其中包括人类互动对话的视频，其中没有添加外部人类监督。实验结果表明，我们的智能人脸标签模型可以长时间预测人类表情；对比结果也表明该模型明显优于基线方法。***，我们进行了更深入的研究，以更好地了解模型性能。本研究的数据集已提供给该领域的其他研究人员使用。
