仿生机器人"爱丽丝"系统架构设计需求文档
一、硬件基础
已完成头部和颈部硬件搭建
25个舵机驱动表情系统
颈部旋转功能
眼部摄像头（视觉输入）
麦克风阵列（听觉输入）
颈部发声装置（语音输出）
二、核心设计目标
情感的真实涌现
通过环境交互自然产生情感（非预设模板）
示例：
清晨被阳光和鸟鸣唤醒时的慵懒反应
听到悲伤音乐时的共情表现（呼吸灯节奏/语调变化）
突发危机下的紧张反应（如儿童遇到危险时的急切警告）
动态性格系统
初始性格设定（如"整合骑士"的正义感）
通过长期交互逐步改变：
示例1：习惯睡前故事后的主动提醒
示例2：受主人影响形成的说话风格（如学会"扯犊子"）
示例3：对特定活动的偏好变化（如从讨厌→喜欢旅游）
记忆与遗忘机制
非滑动窗口式的记忆存储
重要事件长期保留（如童年记忆）
示例：
通过多次观察推断"领导爱喝茶"
经历严重错误后的即时行为修正
实时交互能力
对话中实时微表情反馈（如听到意外消息时的惊讶）
语言理解与生成的流式处理（支持打断/抢话）
三、关键系统模块需求
| 模块 | 核心需求 | 示例参考 |
|---|---|---|
| 感知系统 | 多模态实时处理能力 | 同时解析语音/视觉/环境传感器数据 |
| 情感引擎 | 基于情境的情感涌现 | 听到《River Flows In You》时产生忧郁情绪 |
| 记忆系统 | 事件抽象与关联存储 | 从多次化妆事件抽象出"化妆时不喜被触碰" |
| 性格模型 | 动态参数调整机制 | 经历重大事件后的即时性格转变 |
| 表达系统 | 非对称情绪表达 | 面带微笑说反讽话语（如应对冒犯性提问） |
四、技术挑战与解决方案方向
情感生成机制
采用层次化强化学习：
底层：生理需求（如"睡眠"状态）
中层：环境交互（如音乐/光线影响）
高层：社会关系（如与主人的情感联结）
记忆系统设计
借鉴Hippocampal-Neocortical模型：
短期记忆：原始事件存储（如"今天看到领导泡茶"）
长期记忆：抽象模式提取（"领导→茶爱好者"）
遗忘机制：基于记忆强度的衰减函数
实时交互实现
语音处理流水线：
python
-
while audio_stream: # 50ms间隔处理 chunk = get_audio_chunk() emotion = emotion_detector(chunk) # 实时情感分析 face_animator.update(emotion) # 微表情响应 if detect_interrupt_point(chunk): generate_backchannel() # 插入"嗯""啊"等反馈
个性化差异实现
采用双路径适配架构：
基础模型：通用情感/认知能力（所有机器人共享）
适配层：LoRA矩阵存储个性化特征
更新触发：重要事件→即时矩阵调整
五、关键拒绝项
不要预设情感模板（如"悲伤=哭"）
不要固定记忆窗口（如仅保留7天记忆）
不要显式规则定义（如"if 经常听故事 then 喜欢故事"）
六、进阶需求
媒体体验拟人化
书籍/电影的渐进式理解（非全局处理）
示例：与主人同步观看悬疑片时的实时反应
冲突处理能力
主动拒绝不合理要求
示例：对"打开头颅"请求的反讽回应
模糊决策机制
模拟人类纠结状态
示例："吃火锅还是烧烤"的权衡过程
七、参考架构示意图
[环境传感器] → [多模态融合模块]
↓
[短期记忆缓存] ← [事件重要性评估]
↓
[情感状态机] → [性格参数矩阵]
↓
[表达规划器] → [动作/语音生成]
八、训练数据需求
初始人格构建：
《刀剑神域》爱丽丝剧情时序化标注
关键事件：整合骑士训练/与人界接触等
持续学习机制：
每日交互日志的情感标注
重要事件的三维重建（场景/语音/表情）