Nowadays, robots has been used in many areas. For example, there are entertainment robots;robots for industry, educational purposes, services in museums or cafeterias, and so on. In the future, robots would be even more widespread and multiple purpose. Therefore, it is unavoidable for robots to interact with humans and other robots. As the expression of emotions plays an important role in interaction among humans, it would serve as an important mean to interact with robots as well.
There have been many researches on how to express robot`s emotions or internal states to other agents. Because emotions are mainly shown through the facial expressions, many researches has been carried out to generate proper facial expressions to portray the robot`s emotions. However, a lot of researches have not considered the relationship among emotions. For example, some emotions like anger and disgust are very similar and they often appear together. In addition, both anger and disgust are kinds of negative emotions. However, happiness is one of the positive emotions. Therefore, being happy and disgusted at the same time is highly unlikely. Though some researches deal with this problem, they did not handle this point as a main topic.
Moreover, each emotion has its own highlighting points in facial expressions. Happiness is chiefly expressed by stretching the mouth and surprise is mainly expressed by raising the forehead and the eyebrows. To generate more natural facial expressions, thses facts should be considered. $\lambda$-fuzzy measure can be used to reflect the relation between emotions and relative weights between muscles.
In this paper, generation of facial expression using $\lambda$-fuzzy measure has been proposed. The proposed scheme was applied to a robotic head. Based on the relationship between emotions, a hierarchical structure is created. Relative weights of emtions are created from an emotion comparision matrix. Using the hierarchical structure and weights, degree of consideration is generated. Internal states are evaluated and combined with degree of consideration through the Choquet integral. The result of Choquet integral is an emotion selection with a global evaluation value. This is then sent to robotic head.
Motors are grouped according to their position: mouth and jaw, eye brow and eye lid, neck and eye. Each group has its own relative weights. Even though the internal states and a hierarchical structure are the same, outputs of each groups are different. With this method, the mixed facial expressions could be produced easily. This method is demonstrated with robotic head. Robotic head has 19 DOF(degrees of freedom) with 15 servo motors and 4 DC motors controlled by DSP. Robotic head also contains a stereo vision camera to get 3D images.
오늘날, 로봇은 많은 분야에 이용된다. 예를 들어 산업용 로봇, 교육용 로봇, 서비스 로봇 등이 있다. 미래에 로봇은 더 넓게 쓰이고 더 많은 목적으로 쓰일 것이다. 따라서 사람과 상호작용을 하는 것은 피할 수가 없다. 사람들 사이에서 감정 표현이 중요한 역할을 하듯이 로봇과 사람사이의 상호 작용에서도 감정 표현이 중요한 역할을 할 것이다. 로봇의 내부상태나 감정을 외부로 표현하는 연구가 전세계적으로 진행중이다.
감정 표현은 주로 얼굴 표정으로 나타나기 때문에 로봇의 내부상태에 따라 적절한 얼굴 표정을 생성해내는 많은 연구가 진행중이다. 그러나 많은 연구들이 감정들간의 관계를 고려하지 않고 있다. 예를 들어 화와 혐오와 같은 감정은 매우 유사하여 자주 같이 나타나고 둘 다 부정적인 감정계열이다. 반면 행복은 긍정적인 감정 계열이다. 따라서 행복과 혐오는 같이 나타나기가 매우 어렵다. 몇몇 연구들은 이런 점들을 반영하려고 노력을 하였지만 주된 문제로 다루지는 않고 있다.
더욱이, 각각의 감정은 그 감정을 가장 잘 나타내어주는 표정 변화가 있다. 행복은 주로 입을 옆으로 벌리는 것에서 나타나고 놀람은 이마와 눈썹이 위로 올라가는 것을 통해 주로 나타난다. 자연스러운 얼굴 표정을 생성하려면 이런 점들이 고려되어야 한다. 람다 퍼지 척도는 이런 감정들간의 관계와 각 표정이 가장 잘 나타나는 특징을 반영할 수 있다.
이 논문에서는 람다 퍼지 척도를 이용하여 얼굴 표정을 생성하는 것을 제안하고 얼굴 로봇에 적용시켜보았다. 감정들간의 관계를 바탕으로 계층 구조를 생성한다. 비교 행렬을 바탕으로 각 감정의 상대적인 중요도를 생성한다. 계층 구조와 중요도를 이용하여 퍼지 척도를 생성한다. 내부 상태는 쇼캣 적분을 통해 위의 퍼지 척도와 합쳐져서 최종적인 결과값을 생성한다.
이 결과값은 모터로 전달이 되어 로봇을 움직인다. 모터는 위치에 따라 입과 턱, 눈썹과 눈꺼풀, 눈동자, 목, 총 4개의 부위로 구분이 된다. 각각의 부위는 자신만의 상대적인 중요도 값을 가지고 있다. 따라서 내부 상태와 계층 구조가 같다하더라도 각각의 부위는 다른 결과값을 생성한다. 이 방법을 통해 복합 표정을 쉽게 생성하였다. 그리고 얼굴 로봇에 적용하여 증명하였다. 얼굴 로봇은 19 자유도를 가지고 있고 15개의 서보 모터와 4개의 디씨 모터로 움직인다. 또한 스테레오 카메라를 가지고 있어서 3차원 시각 정보를 받아들인다.
