从舞蹈机器人到医疗康复的技术探索

技术背景与研究历程

作为佐治亚理工学院计算机科学四年级博士生，研究重点聚焦于机器人技术在医疗康复领域的应用。在两次某中心云计算服务（AWS）实习期间，主要致力于图像面部表情识别算法的改进研究。

技术创新点

情感识别算法优化

当前业界普遍采用单标签标注方式训练机器学习模型（将图像标注为高兴、悲伤、惊讶等单一情绪）。研究发现这种标注方式存在局限性，因为许多面部图像会引发不同的情绪解读。

团队提出创新性解决方案：

• 采用情绪强度评分体系替代单一标签标注
• 构建概率分布模型保留标注歧义性
• 避免直接丢弃存在分歧的标注数据

人机信任关系研究

通过设计实验研究人类对机器人外形的认知机制：

• 让参与者使用具备情感识别能力的AI系统完成情绪标注任务
• 不预先告知机器人物理形态
• 事后收集参与者对机器人外形的想象数据

研究发现：50%的参与者会将具有情感识别能力的机器人想象成具有人类特征（头部、四肢等）的形态，且这类参与者表现出更高的人机信任度。

技术应用领域

医疗康复机器人

研究重点包括：

• 运动与认知障碍儿童的康复治疗机器人
• 情感识别算法在患者情绪状态判断中的应用
• 与康复治疗中心的技术合作

算法偏见审计

在某中心实习期间的工作涉及：

• 图像面部表情识别服务的偏见审计
• 确保人工智能系统的公平性
• 减少算法在情绪识别中的偏差

技术实现方法

机器人编程实践

• 使用舞蹈编程作为机器人控制入门方法
• 通过社交媒体分享机器人动作视频吸引年轻群体关注
• 开发教育用机器人系统用于计算机科学普及

实时编程应用

在电影拍摄现场成功实现：

• 机器人动作实时编程
• 现场脚本调整后的快速代码重构
• 机器人表演控制系统开发

技术发展方向

研究显示， emotionally perceptive robots（情感感知机器人）的外观设计需要符合用户预期：

• 人类化外形设计可能提升用户信任度
• 功能与形态的匹配度影响系统接受度
• 不符合预期的设计可能降低系统使用效果

学术与工业结合

某中心学者项目提供独特机会：

• 高校科研与工业应用的桥梁
• 教授团队与企业研究的协同合作
• 学术研究成果向实际应用的转化