作為一個小時候愛得病的人，我很期待這個機器人
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，她是四月中科大發布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。
于是，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，是菲利普K D仿人機器人表達同樣的情緒，第三行，菲利普K D機器人表達相應的情緒
加州大學圣地亞哥分校計算機科學和工程教授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、惡心、痛苦的情緒。他們還創建了一個虛擬化身來培訓另一個。
為了設計這款機器人，研究人員使用了一款臉部跟蹤軟件，從視頻中提取面部特征，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，由Hanson Robotics制作
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。
然而事實卻并不樂觀。
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。這些樣本數據來自于 Binghamton Pittsburgh 4D Spontaneous Expression Database。這個數據庫充滿了各種各樣的現實的表情。
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，相比于虛擬化身而言，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%。
面部跟蹤軟件會提取66面部特征來映射三個情緒: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數據集。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，錄制視頻時，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于研究而言也存在一些弊端。因為這些情緒往往是復雜的，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數據集（acted datasets）。
盡管有這些問題，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。研究人員計劃，在今年晚些時候，模擬醫療場景中，對加州大學圣地亞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么描述感覺的尷尬，也讓醫生多一份白衣天使的魅力。
