讓機器人適應人類情緒：新研究用增量學習破解表情識別難題

如果你對著家裡的掃地機器人或者桌面陪伴機器人嘆了口氣，它大機率沒有任何反應，繼續按原定路線撞牆。不是現在的硬體不行，而是目前的 AI 在讀懂人類情緒這件事上，卡在了一個很尷尬的死衚衕裡。

大多數用於表情識別的視覺模型，在出廠前灌滿一個數據集訓好，就被扔進各種現實場景裡去用。可一旦環境變了、光線變了，或者遇到不同文化背景下完全不一樣的微表情，模型往往就抓瞎了。

如果要讓它適應新環境，工程師通常只能把以前的資料和新資料混在一起，從頭再訓練一遍。這種做法不僅慢得要命，算力消耗也極其低效。

別讓機器人患上「健忘症」

針對這個痛點，Rahul Singh Maharjan 博士帶領的研究團隊換了一條思路：讓 AI 學會「增量式」地理解情緒。

他們的最新成果發表在期刊《IEEE Transactions on Affective Computing》上，論文題目就叫《Continual Facial Features Transfer for Facial Expression Recognition》（用於面部表情識別的持續面部特徵遷移）。

這項技術的核心，是讓系統在接觸到新的情緒資料時，能夠在保留過去已有認知的基礎上向前累加，而不是學了新面孔就洗掉舊記憶。

在機器學習領域，這通常被用來對抗「災難性遺忘」。對機器人來說，這意味著它不用每次進到一個新家庭，就要被拉回雲端徹底重置一遍底層感知。

正如 Maharjan 博士所說，技術要想真正融入人類生活，就必須理解我們的情緒，他的目標是造出不僅能計算、更能與人建立連線的 AI。

為什麼重要

我們認為，這項研究切中了具身智慧和家庭機器人落地的真正命門：持續互動能力。

從使用者端來看，真正的陪伴或護理機器人不能永遠像個冷冰冰的問答機器。如果你今天心情低落，它應該從你的表情變化裡察覺到異常，而不是繼續按標準程式念稿子；這種增量學習能力，正是讓機器人從「能幹活的工具」變成「通人性的搭子」的前提。

對行業來說，這也是在給邊緣端智慧減負。如果機器人每次適應新使用者都要把原始資料傳回雲端重新訓練，不僅網路頻寬和伺服器成本吃不消，隱私風險更是勸退使用者的關鍵因素。能夠在本地裝置上持續遷移和更新特徵，會是以後端側大模型演進的必經之路。

不過看起來，這項技術的挑戰依然不小。人的面部表情是高度複雜且情境化的，增量學習最怕的是在長時間執行後發生「特徵漂移」，把使用者的習慣性皺眉錯誤地理解成持續憤怒。怎麼在輕量化學習的同時守住基準判斷，會是後續工程化上必須邁過的坎。