哥倫比亞大學(xué)創(chuàng)意機(jī)器實(shí)驗(yàn)室近日取得一項(xiàng)突破性進(jìn)展：一款人形機(jī)器人通過自主視覺學(xué)習(xí)，實(shí)現(xiàn)了說話和唱歌時(shí)自然流暢的唇部動(dòng)作。這項(xiàng)研究首次攻克了機(jī)器人面部表情僵硬的技術(shù)瓶頸，為人機(jī)交互的情感化發(fā)展開辟了新路徑。

傳統(tǒng)人形機(jī)器人雖在行走、抓取等肢體動(dòng)作上取得顯著進(jìn)步，但面部表情尤其是唇部運(yùn)動(dòng)始終存在"木偶感"。研究團(tuán)隊(duì)指出，人類對(duì)微表情異常敏感，哪怕是0.1秒的延遲或肌肉運(yùn)動(dòng)偏差都會(huì)觸發(fā)"恐怖谷效應(yīng)"，導(dǎo)致交互體驗(yàn)大打折扣。這項(xiàng)成果通過創(chuàng)新學(xué)習(xí)機(jī)制，使機(jī)器人唇部動(dòng)作的逼真度達(dá)到前所未有的水平。

該機(jī)器人面部采用26個(gè)微型馬達(dá)驅(qū)動(dòng)柔性合成皮膚，可精準(zhǔn)復(fù)現(xiàn)人類說話時(shí)的肌肉微運(yùn)動(dòng)。研發(fā)團(tuán)隊(duì)設(shè)計(jì)了兩階段學(xué)習(xí)方案：首先讓機(jī)器人通過鏡面觀察完成數(shù)千次隨機(jī)表情生成，建立馬達(dá)運(yùn)動(dòng)與面部形態(tài)的映射關(guān)系；隨后利用YouTube視頻素材訓(xùn)練視覺-動(dòng)作轉(zhuǎn)換模型，使系統(tǒng)能直接將音頻信號(hào)轉(zhuǎn)化為馬達(dá)控制指令。這種無預(yù)設(shè)規(guī)則的學(xué)習(xí)方式，使機(jī)器人突破了傳統(tǒng)編程對(duì)元音/輔音的固定模式限制。

測(cè)試數(shù)據(jù)顯示，機(jī)器人已能同步多種語言的唇部運(yùn)動(dòng)，甚至可演唱AI原創(chuàng)歌曲《Hello World》中的曲目。盡管在爆破音"B"和噘唇音"W"等復(fù)雜發(fā)音上仍需優(yōu)化，但其整體表現(xiàn)已遠(yuǎn)超現(xiàn)有技術(shù)水平。實(shí)驗(yàn)室主任霍德·利普森教授表示："隨著交互頻次增加，機(jī)器人的表情生成能力將持續(xù)進(jìn)化，這種自我優(yōu)化機(jī)制是本次研究的重大突破。"

這項(xiàng)技術(shù)不僅為娛樂產(chǎn)業(yè)帶來革新可能，更將深刻影響教育、醫(yī)療等需要情感交互的領(lǐng)域。研究負(fù)責(zé)人胡宇航指出，當(dāng)逼真的面部動(dòng)作與ChatGPT等對(duì)話系統(tǒng)結(jié)合時(shí)，可顯著增強(qiáng)用戶的情感共鳴體驗(yàn)。隨著學(xué)習(xí)模型不斷積累對(duì)話語境數(shù)據(jù)，機(jī)器人將具備更精準(zhǔn)的情境感知能力，例如通過微表情判斷用戶情緒狀態(tài)。

利普森教授特別強(qiáng)調(diào)面部表情在機(jī)器人產(chǎn)業(yè)化中的關(guān)鍵作用。當(dāng)前全球人形機(jī)器人量產(chǎn)加速，經(jīng)濟(jì)學(xué)家預(yù)測(cè)十年內(nèi)產(chǎn)量將突破數(shù)十億臺(tái)，而公眾接受度很大程度上取決于機(jī)器人的"情感表現(xiàn)力"。他解釋道："現(xiàn)有研究多聚焦肢體機(jī)械性能，但應(yīng)用于養(yǎng)老、教育場(chǎng)景的機(jī)器人必須具備與人類同等的情感表達(dá)能力。"

不過，研發(fā)團(tuán)隊(duì)也清醒認(rèn)識(shí)到技術(shù)帶來的倫理挑戰(zhàn)。隨著機(jī)器人面部表情日益逼真，人機(jī)情感邊界可能變得模糊。利普森呼吁建立審慎的技術(shù)發(fā)展框架："我們需要在追求技術(shù)突破的同時(shí)，構(gòu)建相應(yīng)的風(fēng)險(xiǎn)評(píng)估體系，避免因過度擬人化引發(fā)社會(huì)心理問題。"這項(xiàng)研究成果已發(fā)表于《科學(xué)·機(jī)器人學(xué)》期刊，為機(jī)器人情感表達(dá)研究樹立了新的里程碑。