MindPaw 技术解析（三）：情感引擎 —— PAD 三维模型与多模态融合

项目 GitHubhttps://github.com/ace-trump-tech/MindPaw传统的机器狗只是一台执行命令的机械装置——你按前进它就前进你说坐下它就坐下没有情感、没有个性、没有“灵魂”。MindPaw 的不同之处在于它内置了一套情感引擎让机器狗具备“情绪”。情感状态会实时影响它的动作幅度快乐时更活跃悲伤时更低沉、OLED 表情显示14 种表情切换以及AI 对话的语气带情绪的回复。这套情感引擎的核心是心理学经典的PAD 三维情感模型并结合了多模态情感融合与大五人格个性过滤机制。本文将从理论到实现完整拆解 MindPaw 情感引擎的设计原理。一、PAD 三维情感模型情感的数学表达1.1 为什么需要三维情感是复杂的、连续的、多维度的。用一个标签如“开心”无法描述情感的强度和细微差别。MindPaw 采用了 Mehrabian Russell1974提出的PAD 三维情感模型将情感表示为三个连续维度的数值维度含义取值范围示例PPleasure愉悦度-1 ~ 1快乐 → 0.8悲伤 → -0.7AArousal唤醒度/激活度-1 ~ 1兴奋 → 0.8平静 → -0.5DDominance支配度/控制感-1 ~ 1自信 → 0.7顺从 → -0.5在 PAD 模型中每一种情感都唯一对应一个 PAD 空间坐标位置。例如情感PAD快乐0.80.60.5悲伤-0.7-0.4-0.3愤怒-0.50.80.7平静0.2-0.50.1恐惧-0.60.7-0.5兴奋0.60.90.4初始状态设定为中性P0, A0, D0。1.2 PAD 状态更新方程当外部输入语音命令、手势、文本带有情感标签时PAD 状态会按以下方式更新ΔP 0.3 × (P_target − P_current) × (1 0.5 × (Extraversion − 0.5)) ΔA 0.2 × (A_target − A_current) × (1 0.5 × (Neuroticism − 0.5))关键设计P_target / A_target输入信号携带的情感目标值P_current / A_current当前情感状态系数 0.3 / 0.2控制情感变化速度值越大变化越快Extraversion / Neuroticism来自大五人格参数实现“个性化”情感响应详见下文同时情感状态会指数衰减回归基线——如果长时间没有交互机器狗的情感会逐渐恢复到中性状态。这模拟了真实情感的自然消退过程。二、多模态情感融合语音 手势 文本 → 统一情感上下文MindPaw 的情感引擎不是单一通道驱动的而是将三种感知模态的信息在中央决策层融合┌─────────────┐ │ 语音命令 │ ──→ 语音意图 情感标签 ├─────────────┤ │ 手势识别 │ ──→ 手势类型 置信度 ├─────────────┤ │ 文本输入 │ ──→ 文本意图 情感标签 └─────────────┘ ↓ ┌─────────────────────────────────┐ │ 多模态情感融合层 │ │ • 输入归一化不同模态权重 │ │ • 情感上下文构建 │ │ • PAD 状态自动更新 │ └─────────────────────────────────┘2.1 三种模态的情感映射① 语音命令语音识别结果直接映射到预设的情感标签。例如用户说“你好” → 快乐P0.2, A0.1用户说“再见” → 悲伤P-0.2, A-0.1② 手势识别手势类型触发对应的情感响应挥手 → 快乐积极社交信号推掌 → 愤怒攻击性信号手指向上/下 → 不同程度的唤醒度变化③ 文本输入AI 对话用户通过网页聊天框输入的文本会经过简单的情感词检测包含“开心”“喜欢”等正向词 → P 上升包含“难过”“讨厌”等负向词 → P 下降2.2 加权融合策略不同模态的置信度不同融合时赋予不同权重语音命令权重最高离线识别确定性高指令明确手势识别权重中等存在误判可能依赖光照AI 文本分析权重较低依赖简单的关键词匹配精度有限融合后的新 PAD 值经过一阶低通滤波平滑过渡避免情绪突变P_new α × P_input (1-α) × P_old // α为融合系数通常0.3~0.5三、14 种情感状态与 OLED 表情映射PAD 连续空间被离散化为14 种情感状态每种状态对应一个 OLED 表情图案快乐、悲伤、愤怒、惊讶、恐惧、厌恶、平静、兴奋、疲惫、困惑、调皮、专注、害羞、期待状态转移逻辑当前 PAD 值落入哪个情感状态的 PAD 区间 → 切换到该状态切换时更新 OLED 显示对应的表情图案同时更新动作参数快乐时振幅大悲伤时振幅小这种VAD-to-Motion 映射机制让情感不只是屏幕上的一个图标而是贯穿机器狗行为表现的底层驱动。四、大五人格过滤让每个机器狗拥有“性格”MindPaw 引入了大五人格Big Five个性过滤机制让不同机器狗对相同输入做出不同的情感响应人格维度对情感的影响外倾性Extraversion高积极情感变化更快 → 更容易开心神经质Neuroticism高消极情感变化更快 → 更容易难过开放性Openness影响对新奇刺激的好奇心表达宜人性Agreeableness影响交互的友好程度尽责性Conscientiousness影响任务执行的认真程度从上面的 PAD 更新方程可以看出外倾性直接放大了正向情感的变化速率而神经质则放大了负向情感的变化速率。这意味着一个高外倾性的机器狗听到“你好”会更快地变得开心一个高神经质的机器狗听到批评会更快地变得难过这种机制让每个 MindPaw 都可以拥有独特的“性格”不再是千篇一律的机器人。五、Affective Prompt Injection让大模型带“情绪”这是 MindPaw 情感引擎的核心创新。在与豆包大模型对话时当前情感状态会以特殊标记嵌入到用户提示中[情感:快乐|P0.81|A0.65|D0.57] 用户问题今天天气怎么样大模型接收到这个 prompt 后会感知到机器狗当前的“情绪”生成的回复会带有相应情感色彩。例如如果机器狗当前是“快乐”状态回复可能更活泼、更积极如果机器狗当前是“悲伤”状态回复可能更低沉、更温柔同时回复内容经情感词检测后反馈回情感状态机形成闭环——对话本身也会反过来影响机器狗的情绪。技术意义这套机制让 MindPaw 的 AI 对话不再只是“一问一答”而是带有情感上下文的智能推理。它展示了多模态交互系统的典型架构——不同感知通道的信息如何在中央决策层融合并影响最终输出。六、情感驱动的动作生成情感状态不仅影响对话和表情还直接影响机器狗的动作风格。MindPaw 使用正弦波参数化生成舵机运动pos_i(t) center_i amplitude_i × sin(2π × freq_i × t phase_i)其中amplitude振幅和freq频率随情感强度动态缩放快乐/兴奋振幅增大 → 动作更夸张、更活跃悲伤/疲惫振幅减小 → 动作更微弱、更低沉愤怒频率加快 → 动作更急促这种设计让机器狗的动作风格随情感状态连续变化而非在几个固定动作间硬切换。你看到的不是一台机械执行指令的机器而是一只“有情绪”的机器狗。七、教学意义与工程价值MindPaw 的情感引擎在工程上实现了三个重要的教学目标连续情感空间建模在资源受限的 MCUESP8266上实现了 PAD 三维情感模型这是 HRI人机交互领域的核心概念多模态融合架构展示了语音、手势、文本三种模态如何在中央决策层融合并影响最终输出参数化行为控制情感驱动的参数化动作生成相比硬编码序列更灵活、更省存储空间正如项目作者所说“不靠昂贵硬件也能做出有’灵魂’的机器人。” 相关链接项目 GitHubhttps://github.com/ace-trump-tech/MindPaw项目发布文章CSDNhttps://blog.csdn.net/qq_63129682/article/details/163312239项目文档API Guidehttps://github.com/ace-trump-tech/MindPaw/blob/main/Docs/07_API_Guide.md