“情感交互”正在成為機器邁向AGI的下一個戰(zhàn)場。
近幾年隨著AI技術(shù)的迅速演進，機器學習的領(lǐng)域逐漸從文字、圖像、視頻等模態(tài)，轉(zhuǎn)向更為復雜的情感識別。在情感識別技術(shù)發(fā)展下，“陪伴機器人”已發(fā)展為具有潛力的細分賽道。PrecisionReports數(shù)據(jù)顯示，2023年全球陪伴機器人市場規(guī)模預估為920311萬美元，未來5年年復合增長率預計達到25.68%。
成立于2014年，可以科技是36氪長期關(guān)注的機器人企業(yè)。其首款產(chǎn)品ClicBot（可立寶）為可自由組裝構(gòu)型的模塊化機器人。ClicBot好比可自由組裝成遙控車、機械臂、機械寵物等形態(tài)的機器人樂高，用戶可通過搭積木般的拼接以及功能程序編寫，DIY具有不同功能的機器人。
在生成式AI技術(shù)逐漸成熟的當下，可以科技的第二代產(chǎn)品、陪伴機器人Loona則將功能重點從樂高般的DIY，轉(zhuǎn)移到了人機交互。36氪曾有關(guān)Loona的功能做過詳細的介紹。
Loona與狗對視。圖源：可以科技
可以科技創(chuàng)始人兼CEO楊健勃告訴36氪，Loona的“寵物”形態(tài)來源于ClicBot中最受用戶歡迎的構(gòu)型。這一現(xiàn)象側(cè)面反映出，用戶對于機器提供類生命體的智能交互具有較高的需求，“我們想通過Loona打造下一代機器人智能決策機（Intelligentdecisionmakingmachine）通過智能決策機，可以讓機器人能夠通過多模態(tài)地信息流暢地表達情感，讓機器人真正懂人”。而情感交互可以將機器人人機交互體驗從“理解命令”提升到“懂你”，讓機器人可以自由地表達情感。
Loona被摸頭。圖源：可以科技
想在機器人上實現(xiàn)智能情感交互，需要在感知、決策、執(zhí)行三個環(huán)節(jié)構(gòu)建完整的軟硬件系統(tǒng)。
作為建立人類情感模型的先決條件，高質(zhì)量的人機情感交互數(shù)據(jù)一直是稀缺資源。楊健勃告訴36氪，數(shù)據(jù)采集的難點主要有二：一是需要雙相交互，二是需要脫敏，不侵犯個人隱私。
為此，可以科技通過深度強化學習算法建立了一條從視覺感知、到生成式情感交互AI模型的通路。
在感知層，作為能夠“讀空氣”的寵物，Loona的情感反饋來源于一整套復雜的視覺軟硬件系統(tǒng)。作為“眼睛”，Loona搭載的3D-ToF攝像頭等感知元件和算法可以實現(xiàn)人臉識別、身體檢測、動態(tài)靜態(tài)手勢識別、人體骨骼識別、3D動作捕捉、物體識別、情感感知、寵物識別、場景識別、標志識別等感知功能。
Loona玩球。圖源：可以科技
在決策層，在基于機器人收集到的脫敏交互數(shù)據(jù)，可以科技將Loona的基于數(shù)據(jù)庫索引的交互模型轉(zhuǎn)換成了基于深度學習的AI模型，繼而則是通過Loona實機進行強化學習。目前，Loona擁有高日活躍率和持續(xù)提升的銷量，基于用戶反饋，Loona的強化學習可以建立起數(shù)據(jù)飛輪。
在執(zhí)行層，基于以上兩環(huán)構(gòu)建的智能情感決策模型，可以科技正在研究一套實時交互生成系統(tǒng)。楊健勃介紹，以往Loona的情感表達采用的是由設(shè)計師提前設(shè)計的表情動作和音效來表達。接入情感決策模型后，Loona的表情、動作和音效能根據(jù)用戶的交互實時生成，比如Loona的“眼球”能根據(jù)用戶的表達轉(zhuǎn)動，將交互周期從十幾秒縮短到毫秒級。未來，Loona的實時交互系統(tǒng)還將持續(xù)升級。
Loona與孩子一起玩耍。圖源：可以科技
“決策模型會顛覆掉Loona以往的交互方式。”楊健勃對36氪表示，“指令和功能的概念會變得不重要，因為Loona能夠?qū)崟r理解人類的意圖，再自然地做出交互。”
而作為智能決策機，楊健勃認為Loona與寵物陪伴或人類陪伴并非替代關(guān)系，而是關(guān)系的有機補充，“生物的進化有特殊的性能，目前AI側(cè)難以提供真實的感覺。但機器人的優(yōu)勢在于能夠從更多維度理解人且做出反饋，也更穩(wěn)定。相信它們將和寵物、人類有機共存。”
