仿人面部表情機器人已經越來越多。 或許你也聽說過一些真的嚇人的機器人。 比如頭圖中這位， 她是四月中科大發佈的高顏值的美女機器人“佳佳”， 看起來與真人一般無二， 而且能交流有表情。
這些機器人如果只是花瓶而無實用的話， 恐怕就只能滿足獵奇之需了。 不過， 目前研究者也在發掘這些機器人的實際用途。
加州大學的研究人員給他們找到了一個新的用武之地。 他們讓仿人面部表情機器人， 來幫助醫務人員提升診斷技能。
現在雖然有病人模擬器（robotic patient simulators ， RPS）來訓練醫生。 臨床醫生可以通過RPS的實踐來提升他們的臨床技能。 RPS可以呼吸、流血、產生藥物反應， 甚至可以說話。 但是它們有一個很大的缺陷——臉不能動， 不能表達情感。
於是， 研究人員就創建了一個橡膠皮膚的機器人， 可以通過變化面部表情來表達真正的人類情感。
第一行， 是人們表達三種情緒的樣本幀視頻， 分別是痛苦、憤怒和厭惡， 第二行， 是菲力浦K D仿人機器人表達同樣的情緒，
第三行， 菲力浦K D機器人表達相應的情緒
加州大學聖地牙哥分校電腦科學和工程教授Laurel Riek博士在領導這個研究小組， 設計了一個仿人機器人， 可以表達疼痛、噁心、痛苦的情緒。
為了設計這款機器人， 研究人員使用了一款臉部跟蹤軟體， 從視頻中提取面部特徵， 來表達上述三種自然狀態下的、非表演的情緒。
左側是科幻作家Philip K Dick的虛擬化身， 右側是仿Philip K Dick的人形機器人，
研究發現， 對那些沒有醫學背景的病人而言， 臨床醫生不太擅長發現他們的痛苦和憤怒。 從我們實際的生活經驗中也經常見到， 你不能準確地描述你自己的感覺， 但是你的表情會最真實地體現你的痛苦、厭惡等等各種情緒。 因此， 如果醫生可以很好閱讀病人情緒的話， 無疑讓醫患之間的溝通更加方便， 更加準確， 也更有效率。
然而事實卻並不樂觀。
臨床醫生只有在54%的情況下檢測到虛擬化身的痛苦， 而非臨床醫生在83%的情況下都能檢測出來。 這種變化往往從他們進入醫學院的第三年開始， 巧合的是， 也就是從這時起， 他們的課程轉向了病人護理。
從左到右， 依次是厭惡、幸福、痛苦和憤怒。 這些樣本資料來自於 Binghamton Pittsburgh 4D Spontaneous Expression Database。
研究人員寫道， 臨床醫生們可以從他們的研究中獲益。 他們正在開發新的培訓工具， 來提高學生閱讀病人情緒的技能。
這個研究發現， 相比於虛擬化身而言， 所有被試者識別仿人機器人的準確率都會更高一些。
此外， 厭惡是最容易被被試者弄錯的情緒。 對虛擬化身， 臨床醫生正確識別出厭惡的概率只有20%， 非臨床醫生只有12%。
面部跟蹤軟體會提取66面部特徵來映射三個情緒:痛苦、憤怒和厭惡
研究人員寫到，他們工作的局限之一，是機器人的鼻子和臉頰部分不能體現皺紋。因此，他們不能映射某些點重要的面部表情來表達痛苦和厭惡。
檢測精度低的另一個原因是，這些面部表情的視頻實際上是來自于一些自然資料集。這意味著這些表情是被引發的情緒，而不是現實生活自然而然展現出的情緒。
舉個例子，錄製視頻時，那些悲傷（sadness）情緒是通過一些展現緊急狀況的 視頻來引發的。痛苦（pain）是讓參與者把手浸泡在冰涼的水引起的。因此，這樣得來的樣本就會跟實際生活中情形存在一定偏差。
但是實際生活中情緒對於研究而言也存在一些弊端。因為這些情緒往往是複雜的，摻雜了較多的其他情感，因此，在展現某些情緒的強度上不如誘發產生的情緒的資料集（acted datasets）。
儘管有這些問題，相比與RPS而言，這個仿人機器人還是展現出了較為明顯的優勢。研究人員計畫，在今年晚些時候，模擬醫療場景中，對加州大學聖地牙哥分校醫學院的學生進行測試。
希望這個仿人機器人在現實的醫療場景中發揮作用，將來也能變得更好，從而讓臨床醫生更懂病人。這樣一來，醫患之間的溝通也會更加順暢，讓病人減少一份不知道怎麼描述感覺的尷尬，也讓醫生多一份白衣天使的魅力。
面部跟蹤軟體會提取66面部特徵來映射三個情緒:痛苦、憤怒和厭惡
研究人員寫到，他們工作的局限之一，是機器人的鼻子和臉頰部分不能體現皺紋。因此，他們不能映射某些點重要的面部表情來表達痛苦和厭惡。
檢測精度低的另一個原因是，這些面部表情的視頻實際上是來自于一些自然資料集。這意味著這些表情是被引發的情緒，而不是現實生活自然而然展現出的情緒。
舉個例子，錄製視頻時，那些悲傷（sadness）情緒是通過一些展現緊急狀況的 視頻來引發的。痛苦（pain）是讓參與者把手浸泡在冰涼的水引起的。因此，這樣得來的樣本就會跟實際生活中情形存在一定偏差。
但是實際生活中情緒對於研究而言也存在一些弊端。因為這些情緒往往是複雜的，摻雜了較多的其他情感，因此，在展現某些情緒的強度上不如誘發產生的情緒的資料集（acted datasets）。
儘管有這些問題，相比與RPS而言，這個仿人機器人還是展現出了較為明顯的優勢。研究人員計畫，在今年晚些時候，模擬醫療場景中，對加州大學聖地牙哥分校醫學院的學生進行測試。
希望這個仿人機器人在現實的醫療場景中發揮作用，將來也能變得更好，從而讓臨床醫生更懂病人。這樣一來，醫患之間的溝通也會更加順暢，讓病人減少一份不知道怎麼描述感覺的尷尬，也讓醫生多一份白衣天使的魅力。