作為一個小時刻愛抱病的人，我很等待這個機械人

　　仿人臉部臉色機械人曾經愈來愈多。也許你也據說過一些真的嚇人的機械人。好比頭圖中這位，她是四月中科年夜宣布的高顏值的美男機械人“佳佳”，看起來與真人普通無二，并且能交換有臉色。

　　這些機械人假如只是花瓶而無適用的話，生怕就只能知足獵奇之需了。不外，今朝研討者也在挖掘這些機械人的現實用處。

　　加州年夜學的研討人員給他們找到了一個新的用武之地。他們讓仿人臉部臉色機械人，來贊助醫務人員晉升診斷技巧。

　　如今固然有病人模仿器（robotic patient simulators ，RPS）來練習大夫。臨床大夫可以經由過程RPS的理論來晉升他們的臨床技巧。RPS可以呼吸、流血、發生藥物反響，乃至可以措辭。然則它們有一個很年夜的缺點——臉不克不及動，不克不及表達情緒。

　　因而，研討人員就創立了一個橡膠皮膚的機械人，可以經由過程變更臉部臉色來表達真實的人類情緒。

　　第一行，是人們表達三種情感的樣本幀視頻，分離是苦楚、惱怒和討厭，第二行，是菲利普K D仿人機械人表達異樣的情感，第三行，菲利普K D機械人表達響應的情感

　　加州年夜學圣地亞哥分校盤算機迷信和工程傳授Laurel Riek博士在引導這個研討小組，設計了一個仿人機械人，可以表達痛苦悲傷、惡心、苦楚的情感。他們還創立了一個虛擬化身來培訓另外一個。

　　為了設計這款機械人，研討人員應用了一款面部跟蹤軟件，從視頻中提取臉部特點，來表達上述三種天然狀況下的、非扮演的情感。

　　左邊是科幻作家Philip K Dick的虛擬化身，右邊是仿Philip K Dick的人形機械人，由Hanson Robotics制造

　　研討發明，對那些沒有醫學配景的病人而言，臨床大夫不太善于發明他們的苦楚和惱怒。從我們現實的生涯經歷中也常常見到，你不克不及精確地描寫你本身的感到，然則你的臉色會最真實地表現你的苦楚、討厭等等各類情感。是以，假如大夫可以很好瀏覽病情面緒的話，無疑讓醫患之間的溝通加倍便利，加倍精確，也更有用率。

　　但是現實卻其實不悲觀。

　　臨床大夫只要在54%的情形下檢測到虛擬化身的苦楚，而非臨床大夫在83%的情形下都能檢測出來。這類變更常常從他們進入醫學院的第三年開端，偶合的是，也就是從這時候起，他們的課程轉向了病人護理。

　　從左到右，順次是討厭、幸福、苦楚和惱怒。這些樣本數據來自于 Binghamton Pittsburgh 4D Spontaneous expression Database。這個數據庫充斥了各類各樣的實際的臉色。

　　研討人員寫道，臨床大夫們可以從他們的研討中獲益。他們正在開辟新的培訓對象，來進步先生瀏覽病情面緒的技巧。

　　這個研討發明，比擬于虛擬化身而言，一切被試者辨認仿人機械人的精確率都邑更高一些。

　　另外，討厭是最輕易被被試者弄錯的情感。對虛擬化身，臨床大夫準確辨認出討厭的幾率只要20%，非臨床大夫只要12%。

　　臉部跟蹤軟件會提取66臉部特點來映照三個情感:苦楚、惱怒和討厭

　　研討人員寫到，他們任務的局限之一，是機械人的鼻子和面頰部門不克不及表現皺紋。是以，他們不克不及映照某些點主要的臉部臉色來表達苦楚和討厭。

　　檢測精度低的另外一個緣由是，這些臉部臉色的視頻現實上是來自于一些天然數據集。這意味著這些臉色是被激發的情感，而不是實際生涯天然而然展示出的情感。

　　舉個例子，錄制視頻時，那些悲痛（sadness）情感是經由過程一些展示緊迫狀態的 視頻來激發的。苦楚（pain）是讓介入者把手浸泡在冰冷的水惹起的。是以，如許得來的樣本就會跟現實生涯中情況存在必定誤差。

　　然則現實生涯中情感關于研討而言也存在一些弊病。由于這些情感常常是龐雜的，攙雜了較多的其他情緒，是以，在展示某些情感的強度上不如引發發生的情感的數據集（acted datasets）。

　　雖然有這些成績，比擬與RPS而言，這個仿人機械人照樣展示出了較為顯著的優勢。研討人員籌劃，在本年晚些時刻，模仿醫療場景中，對加州年夜學圣地亞哥分校醫學院的先生停止測試。

　　愿望這個仿人機械人在實際的醫療場景中施展感化，未來也能變得更好，從而讓臨床大夫更懂病人。如許一來，醫患之間的溝通也會加倍順暢，讓病人削減一份不曉得怎樣描寫感到的為難，也讓大夫多一份白衣天使的魅力。