According to the expansion of the robotic application, the necessary role of humans in the interactions with robots has also diverged. Humans usually play the role as bystanders in service scenarios and social interaction capabilities are required in the interaction. Emotions also serve as a type of media to communicate each agent`s intention indirectly, modulate interaction, and construct a social relationship. Therefore, solving the problem of how to make an emotional interaction between a human and a robot is necessary for the realization of natural and social interaction between humans and robots. For this purpose, the robot should be able to generate its own emotions. The mechanism of emotion can be seen as an information processing system. The goal of information processing in the emotion generation mechanism is to make a robot be able to show suitable emotional reactions in relation to current situations while the robot performs its task and responds to any stimulus that the robot can sense. Emotions regarding current situations and emotions for sensations require processes that have different characteristics. The generation of emotions regarding a task-related event requires the analysis of relationship between the task and current situation. Because this process is a knowledge-based process, it can be considered as a deliberative process. Additionally, it is possible to apply the cognitive appraisal theory of emotion in this process to generate emotion. On the other hand, emotional reactions to sensations require a pattern-driven process. The perception of each sensation`s representative characteristics triggers a pre-defined emotional reaction, and the process can be defined as a collection of simple rules. Therefore, emotional reactions to sensations can be designed as a reactive process. Two different processes can be integrated in hybrid architecture. The hybrid architecture composed of a reactive and a deliberative layer is proposed to achieve the computational goal of emotion generation mechanism in this dissertation. The emotions in the reactive level are generated for the representative characteristics of stimuli rapidly and are not related to complex cognitive functions. Because human`s cognitive functions are developed or reinforced through experiences in the course of growth, it can be assumed that emotions in the early stage of human development will have more characteristics of reactive emotions. Therefore, four emotions of delight, distress, joy and fear were selected as the robot`s reactive emotions among infant`s early stage emotions. Computational algorithms generating these four emotions were designed based on the characteristics of reactive and routine emotions proposed by Ortony et al. The reactive emotion process could be constructed with motivation for valence evaluation process, habituation for being accustomed to a stimulus, and classical conditioning mechanisms for constructing temporal relationship between stimuli. The deliberative process is mainly composed of the task manager which makes and executes a plan to fulfill the task and the deliberative emotion generation component which generates cognitively appraised emotion. The task manager makes and proceeds with the plan based on the Partially Observable Markov Decision Process model regarding the task and environment. Roseman`s theory of cognitive emotion provides the necessary factors of the current event to be appraised, i.e., unexpectedness, motive-consistency, probability, control potential and agency. Therefore, computational algorithms based on the POMDP model`s variables and the robot`s probabilistic belief about current states were proposed in order to obtain attributes of each factor of the Roseman`s theory according to their implications. Through this process, situationally congruent emotions after the robot`s observation of task related enviornmental changes could be generated. Experiments to verify the proposed emotion generation architecture were executed. An interactive robotic platform, that is called KaMERo, with the capability of emotional recognition, generation and expression was used in a simple interactive task. Through the experiments, it could be verified whether the emotions of the robot were accepted as plausible to people interacting with the robot. There existed incongruencies between situation and the robot`s emotions in some cases, too. The cause of generated emotions` incongruence with current situation also has been discriminated with anotyer experiment. Experimentations demonstrated the plausibility as well as limitations of the proposed architecture.
로봇 공학 기술이 발전함에 따라, 로봇의 활용 영역은 산업현장으로부터 가정, 사무실과 같은 인간의 일상 생활과 밀접한 영역으로 확장되고 있다. 로봇의 활용 영역이 확장되면서, 산업용 로봇에서는 중요하게 여겨지지 않던 새로운 기능이 로봇에게 요구되고 있다. 첫째, 로봇은 집이나 사무실과 같이 원래 인간의 편의를 위해 설계된 공간에 배치될 것이다. 따라서, 로봇은 주변의 사람에게 위해를 끼치지 않으면서, 사람이 움직이고 주변 사물들을 조작하는 방식과 유사하게 동작하고 행동할 수 있어야 한다. 둘째로, 사람들이 로봇을 이용하는 것을 편하게 만들기 위해서, 로봇은 사람 본연의 자연스러운 의사 소통 방법을 이용해서 사람과 상호작용할 수 있어야 한다. 마지막으로, 로봇의 외형 디자인도 로봇의 활용을 위해 중요한 요소가 될 것이다. 이 세가지 요소들 중에서 로봇이 인간과 자연스럽게 의사 소통할 수 있는 기능의 부족은 로봇이 인간의 일상 생활에서 널리 활용되는 것을 막는 가장 중요한 장애물들 중의 하나이다. 따라서 자연스러운 인간과 로봇의 상호작용에 대해 최근 많은 연구자들이 주목하고 있다.
감정 상호작용은 이러한 자연스러운 상호작용을 구성하는 요소들 중 하나이다. 감정 상호작용은 인간과 로봇의 상호작용에서 여러 가지 중요한 기능을 담당한다. 인간은 로봇의 감정 반응을 토대로 로봇의 의도와 상황에 대한 호/불호(valence)를 간접적으로 이해할 수 있다. 그러므로 감정은 인간과 로봇 사이의 상호작용이 더 자연스럽고 사교적(social)이 될 수 있도록 유도하는 역할을 하게 된다. 이러한 감정 상호작용을 위해서, 로봇은 사용자의 감정 상태를 이해하고, 현재 상황에 적합한 로봇의 감정 상태를 결정하고, 인간이 이해할 수 있는 방법으로 감정을 표현할 수 있어야 한다. 따라서 감정 상호작용을 위한 기술적 요소는 감정 인식, 감정 생성, 그리고 감정 표현으로 구분할 수 있을 것이다. 본 논문에서는 로봇이 외부의 자극과 현재 상황에 따라 스스로 적합한 감정을 생성할 수 있는 아키텍쳐를 제안하고 이러한 아키텍쳐를 로봇에 구현할 수 있는 계산 모형을 제안하였다.
로봇의 감정 생성 아키텍쳐를 설계하는 데 있어 가장 중요하면서도 유일 무이한 기준이 되는 모델은 인간의 감정 생성 프로세스이다. 인간의 감정에 대한 연구들에 따르면 인간의 감정 발현에는 외부 자극에 대한 인지적 처리 과정이 밀접하게 연관되어 있음을 알 수 있다. 그러므로, 로봇의 감정 생성 시스템을 구현하기 위해서는, 감정 상태를 결정하는 인지적 처리 과정을 모델링하는 것이 중요하다. 그러나 인간의 감정 상태는 인지적 과정을 거쳐 결정될 뿐만 아니라, 반사적으로(reactively) 발현되기도 한다. 인간의 감정 시스템은 서로 다른 특성을 갖는 여러 계층으로 구성되어 있고, 따라서 감정 반응은 이러한 서로 다른 계층간의 복잡한 상호 작용에 의해 생성되는 것으로 이해할 수 있다. 따라서 본 논문에서는 주변의 자극에 대해 즉각적으로 감정 반응을 생성하는 리액티브(Reactive) 프로세스와, 로봇이 가지고 있는 목적과 현재 상황의 관련성에 대한 인지적 평가에 따라 감정 반응을 생성하는 딜리버러티브(Deliberative) 프로세스로 구성된 하이브리드 아티텍쳐를 제안하였다.
리액티브 감정 생성 프로세스를 설계하기 위해 리액티브 감정의 종류와 이를 생성하는 기능을 정의하였다. 리액티브 감정은 자극에 대한 기본적인 호/불호 반응인 Delight/Distress 감정 반응과, 현재의 자극과 관련되어 앞으로 주어지리라 예측되는 자극에 대한 호/불호 반응인 Joy/Fear 감정 반응으로 정의하였다. 이 네가지의 리액티브 감정을 생성하기 위해서는, 현재 로봇이 가진 동기 상태를 기준으로 자극에 대한 호/불호를 판단하는 Valence evaluation 기능, 자극이 계속적으로 주어질 경우 이 자극에 대해 습관화 하여 감정 반응의 강도를 조절하게 되는 Habituation 기능, 그리고 시계열 상에서 자극들 사이의 관계를 학습할 수 있는 Classical conditioning 기능이 필요하다. 이러한 세가지 기능은 각 기능의 특성에 따라 동적 계산 모형으로 설계 되었다. 제안된 계산 모형에서 동적 시스템의 파라미터를 조절하여 로봇의 즉각적인 감정 반응의 특성을 원하는 대로 조절할 수 있었다.
딜리버러티브 감정 생성 프로세스에서는 현재 상황에 대한 인지적 평가에 따라 감정을 생성하게 된다. 인간의 인지적 평가 메카니즘에 대하여 심리학에서는 많은 이론들이 제안되어 왔고, 본 연구에서는 Roseman이 제안한 인지적 평가 모델을 기반으로 로봇의 딜리버러티브 감정 프로세스를 제안하였다. Roseman의 이론에 따라 제안된 인지적 평가 모듈에서는 상황의 급작성(Unexpectedness), 동기 일치 정도(Motive consistency), 사건의 책임(Agency), 상황 대처 잠재력(Coping potential), 그리고 사건의 확실성(Probability)을 계산 모형을 이용하여 평가하고 이에 따라 적합한 감정 상태가 발현된다. 이러한 인지적 평가 과정은 로봇이 상호작용을 수행하기 위해 기본적으로 갖추어야 하는 작업 관리 기능과 밀접하게 설계되었다. 현재 상황에 대한 정보는 로봇의 인지적 감정 생성에 뿐만 아니라, 로봇의 상호작용 작업 계획 수립과 수행에도 밀접한 관련이 있다. 본 연구에서는 확률 모델의 일종인 POMDP 모델을 기반으로 로봇이 상호작용 작업에 필요한 정보를 구축하고 있다고 가정하였다. 따라서 본 논문에서 제안한 인지적 감정 평가 계산 모형은 POMDP 모델의 상태 천이 확률, 관찰 확률, 사건에 대한 보상 등의 정보를 토대로 감정의 인지적 평가 변수의 값을 계산하도록 설계되었다.
위와 같은 감정 생성 모델이 실제 인간과 로봇의 상호작용에서 잘 동작하는지 확인하고, 상호작용에 어떠한 영향을 미치는지 확인하기 위해 일련의 실험을 수행하였다. 제안된 감정 생성 모델은 인간과 로봇 사이에 스무고개 게임을 통해 상호작용 할 수 있는 로봇 시스템에 구현되었다. 이 상호작용 실험에서 로봇은 인간이 예측하고 있는 대상을 맞추기 위해 질문을 하게 되고, 로봇은 예측하고 있는 대상을 맞추려는 목적을 가지고 있기 때문에 이 질문에 대한 사람의 대답들에 대해 평가하고 감정 반응을 나타낼 수 있다. 이 상호작용의 정서적 평가 실험에서, 제안된 모델을 이용하여 인간은 로봇과 상호작용 할 때 더 재미있고, 긍정적으로 느낀다는 것을 확인할 수 있었다. 또한 상호작용의 도구적 특성과 상호작용을 통해 느낀 로봇의 지능 정도에 대한 평가 실험을 통해, 제안된 모델은 로봇이 표현 가능한 감정을 무작위로 표현하는 경우에 비해 이 상호작용을 더 자연스럽게 생각하고, 로봇의 지능 정도도 더 높게 평가하는 것을 확인할 수 있었다. 모델의 적합성을 평가하기 위한 일련의 실험에서 다른 모델과의 비교를 통해 모델의 적합성을 평가할 수 는 없었지만, 제안된 모델을 이용한 로봇의 감정 반응이 자연스럽게 받아들여 진다는 것을 확인할 수 있었다. 두 번째 실험에서는 모델을 통해 생성된 로봇의 감정 반응이 부자연스럽게 평가되는 경우에 인지적 평가 모델의 어떠한 측면이 가장 문제가 되는지를 확인할 수 있었다. 이 실험을 통해 사건의 책임에 대한 평가와 상황 대처 잠재력에 대한 평가가 사람이 이해하는 상황에 대한 평가와 가장 큰 차이를 보였고, 이러한 평가 차이가 존재하는 경우 사람은 로봇의 감정을 부적절하다고 평가하였다. 따라서 앞으로 사건의 주체와 상황 대처에 대해 좀 더 정교화된 모델로 발전 시킬 필요가 있다는 것을 확인할 수 있었다. 향후 연구에서는 제안된 모델을 다양한 상호 작용 시나리오에 적용하며 모델을 더 정교화 하여 로봇의 감정 생성의 활용 영역을 확장 시켜 나가고자 한다.
