清华大学车辆与运载学院研究成果：智能网联汽车情感化交互发展回顾与展望
清华大学车辆与运载学院研究成果：智能网联汽车情感化交互发展回顾与展望
近年来，如何开发智能座舱情感化交互技术及功能受到了科研人员的广泛关注。为了促进这一领域的研究进展，清华大学车辆与运载学院的研究团队从智能网联汽车背景下的人-车-路耦合过程出发，回顾了人类情感的多模态表达，讨论了人类驾驶中的情绪实验范式，分析了驾乘人员情绪识别与调节方法，以及其在智能网联汽车中的应用，并对该领域未来的研究方向进行了展望。
情绪的定义和分类
情绪反应始于对周围场景的个人影响的认知评估，进而产生涉及主观体验、生理变化和行为反应的情绪反应。根据离散情绪理论和维度情感理论，情绪可以分为不同的类别。离散情绪理论假设存在少量独立的情绪，比如愤怒、悲伤、害怕、厌恶、开心等。根据维度情绪理论，情绪状态可以准确地表示为多个心理维度（例如愉悦度、唤醒度和优势度）的组合。
驾乘人员不同情绪的表达方式
作为驾乘人员情绪识别和调节的基础，情绪表达是多模态的。研究从面部表情、语音、身体姿势和生理变化四方面分别讨论人类不同情绪下的表达特征。
驾驶中的情绪实验范式
针对如何设计实验来采集丰富可靠的驾乘人员情绪数据，研究团队从实验平台、情绪诱导方法、情绪测量方法和情绪类别标注方法四方面讨论了情绪实验范式。
驾乘人员情绪识别方法
研究讨论了车辆利用座舱内驾乘人员情绪表达、座舱外驾驶环境和道路信息来识别驾乘人员情绪的识别数据集、算法和结果，以期准确、稳定、高效地检测驾驶员和乘员的情绪状态，实现人车情感交互。
驾乘人员情绪调节方法
研究讨论了车辆利用视觉、语音、嗅觉、触觉等交互形式调节驾乘人员情绪状态的策略、驾驶场景和调节效果，并进一步提出了在智能网联汽车下的情感交互框架。
图1：智能网联汽车中人-车-路系统描述及其各部分涉及的主题
图2：调查组织和相关研究领域
图3：情绪模式模型和分类。a) 是情绪模式模型，b) 和 c) 是两种离散情绪模型：b) 是六种基本情绪模型，c) 是情绪轮模型。d) 和 e) 是两种维度情绪模型，d) 是2D环形模型，e) 是3D PAD情绪模型
图4：用于驾驶员情绪检测的座舱内传感器位置
图5：情感化智能网联驾驶框架
研究展望
研究提出了智能网联汽车情感化交互未来的继续研究方向：
基于驾驶中的情绪研究数据集的研究方向：开发可靠、高效诱导和标注的高质量驾驶人情绪数据集；驾乘人员情绪下与其他道路交通参与者的交互数据集；驾乘人员情绪下与信任、晕车、分心及负荷等其他状态的耦合数据设。
对驾乘人员的情绪识别的研究方向：研究基于多种测量方法的驾乘人员情绪识别；驾乘人员情绪识别中的面部等隐私特征匿名化；基于道路交通场景的驾乘人员情绪识别；基于认知神经过程的情绪识别模型校准；跨文化的驾乘人员情绪识别。
驾乘人员情绪调节的研究方向：探索基于参数化交互界面的情绪调节；场景化自适应的多模态情绪调节；跨文化和个人特征的情绪调节；情感交互中的隐私保护。
本文原文发表于《Automotive Innovation》，该期刊是由国家新闻出版署批准的中国汽车行业首个英文科技期刊，也是中国汽车工程学会（China SAE）为行业打造的重要国际交流平台和窗口，旨在进一步推动国际合作与交流，加速中国汽车创新成果走向国际，提升中国在国际汽车界的话语权。