任福继电子科技大学计算机科学与工程学院教授工程与技术科学创新人物科技创新网

任福继，电子科技大学计算机科学与工程学院教授，中国人工智能学会名誉副理事长

电子科技大学人工智能首席科学家/讲席教授

日本工程院院士

研究方向为人工智能，情感计算，智能机器人等。2023年德勤发布的《情感计算白皮书》中被评为情感计算领域全球典型学者榜首。曾获日本自然科学源内奖、日本科学技术康乐奖、吴文俊人工智能科学技术奖创新奖一等奖、科学中国人年度人物杰出贡献奖、中国产学研合作创新奖、发明创业成果一等奖，以及中国政府友谊奖。

教育及工作经历：

1978年-1982年:北京邮电大学,本科;

1982年-1985年:北京邮电大学,硕士;

1988年-1991年:日本国立北海道大学,博士;

1991年-1994年: (株)CSK技术研究本部,研究员;

1994年-2001年:日本广岛市立大学,副教授;

2001年-2021:日本德岛大学,教授;

2022年-至今:电子科技大学,教授。

社会兼职及荣誉

日本工程院院士，欧盟科学院院士，日本工程会院士，AAIA Fellow，IEICE Fellow，CAAI Fellow，中国人工智能学会荣誉副理事长，国际高度信息化研究院院长，国家特聘专家，教育部“长江学者奖励计划”讲座教授，中科院“海外杰出青年学者基金”获得者，日本大川信息通信基金评审专家，中国科协海智专家，中国国务院侨办科技专家委员。

发明公开：

[1]刘旻昊, 段立新, 张彦如, 任福继. 一种基于音乐特征匹配的数字人舞蹈动作生成方法与系统[P]. 广东省: CN121353483A, 2026-01-16.

[2]李文, 沈海强, 万隆, 段立新, 任福继, 黄野. 基于多模型融合的表格处理系统及方法[P]. 广东省: CN120656193A, 2025-09-16.

[3]谷雨, 曹津杰, 任福继. 基于双频段信号对比学习的活动识别方法、系统及设备[P]. 四川省: CN120372248A, 2025-07-25.

[4]任福继, 程韡瑾, 邓佳文, 刘健知. 一种简单安全的视觉生成提示工程方法、设备、介质及产品[P]. 四川省: CN119006635A, 2024-11-22.

[5]刘旻昊, 张彦如, 任福继, 段立新, 唐浩, 邓达豪, 吴乃星. 一种基于隐音素检索的数字人口型多样性增强方法[P]. 广东省: CN118921516A, 2024-11-08.

[6]师飘, 胡敏, 时雪峰, 李泽中, 任福继. 一种基于协同注意力的多模态情感分类方法及其应用[P]. 安徽省: CN115544279A, 2022-12-30.

[7]李星达, 鲍艳伟, 胡敏, 任福继. 富含情绪会议记录生成方法、系统、电子设备及存储介质[P]. 安徽省: CN115374795A, 2022-11-22.

[8]李勃, 邱正, 任福继, 管越, 田梦阳. 一种基于量子化自编码器的无监督缺陷检测方法[P]. 江苏省: CN115375604A, 2022-11-22.

[9]唐益明, 陈仁好, 潘志富, 谢文军, 席雷, 孙晓, 李冰, 任福继. 一种知识诱导的多核模糊聚类的人脸图像分类方法[P]. 安徽省: CN114937299A, 2022-08-23.

[10]李泽中, 任福继, 孙晓. 中日词语自动对齐方法和系统[P]. 安徽省: CN114896959A, 2022-08-12.

[11]张凯, 任福继, 胡敏. 一种用于无人船的河岸线检测及自主巡航方法[P]. 安徽省: CN114879685A, 2022-08-09.

[12]唐益明, 张李, 潘志富, 李书杰, 陈锐, 吴玺, 韩将辉, 任福继. 一种基于特征约简的模糊聚类的轴承故障检测方法[P]. 安徽省: CN114743039A, 2022-07-12.

[13]师飘, 胡敏, 时雪峰, 李泽中, 任福继. 基于Transformer算法的单模态标签生成和多模态情感判别方法[P]. 安徽省: CN114386515A, 2022-04-22.

[14]张凯, 任福继, 胡敏. 一种用于无人船的河道边界检测与跟踪方法及系统[P]. 安徽省: CN114332647A, 2022-04-12.

[15]李泽中, 任福继, 孙晓. 利用同源词的日中机器翻译方法和系统[P]. 安徽省: CN114169345A, 2022-03-11.

[16]师飘, 胡敏, 任福继, 李星达. 基于可分离残差注意力网络的表情标签修正和识别方法[P]. 安徽省: CN114038037A, 2022-02-11.

[17]唐益明, 席雷, 包光晴, 任福继, 张李, 韩晓鹏, 李冰, 陈锐. 基于结构相似度和图像区域块的模糊C均值图像分割方法及系统[P]. 安徽省: CN113628225A, 2021-11-09.

[18]唐益明, 潘志富, 夏博文, 吴文彬, 任福继, 席雷, 李冰, 陈锐. 一种焦点引导的人脸子空间模糊聚类方法及系统[P]. 安徽省: CN113239859A, 2021-08-10.

[19]李勃, 颜铭, 任福继, 田梦阳, 管越, 杨晨. 一种四方向相对全变分图像去噪方法[P]. 江苏省: CN113112425A, 2021-07-13.

[20]李勃, 管越, 任福继, 田梦阳, 颜铭, 杨晨. 基于RI-HOG特征及快速金字塔的目标检测方法[P]. 江苏省: CN113112471A, 2021-07-13.

[21]李勃, 杨晨, 任福继, 田梦阳, 邱正, 管越, 颜铭. 一种基于特征学习的显著性区域检测方法[P]. 江苏省: CN113095332A, 2021-07-09.

[22]李勃, 田梦阳, 任福继, 管越, 颜铭, 杨晨. 一种基于四光源光度立体法的高光消除方法[P]. 江苏省: CN113096057A, 2021-07-09.

[23]刘宁, 何溪茜, 任福继. 一种机器人的头部机构、机器人及机器人的控制方法[P]. 广东省: CN112775991A, 2021-05-11.

[24]任福继, 张伟伟, 鲍艳伟. 基于ELMo嵌入与门控自注意力机制的阅读理解方法[P]. 安徽省: CN112579739A, 2021-03-30.

[25]倪红军, 张加俏, 任福继, 张振亚, 贯大兴, 吕帅帅, 汪兴兴, 张福豹, 朱昱, 张守阳, 王凯旋. 一种基于双流神经网络模型的钢板表面缺陷分类方法[P]. 江苏省: CN111627018A, 2020-09-04.

[26]倪红军, 张加俏, 任福继, 张振亚, 贯大兴, 吕帅帅, 汪兴兴, 张福豹, 朱昱, 张守阳, 王凯旋. 一种基于分类优先YOLO网络的钢板表面缺陷检测方法[P]. 江苏省: CN111612784A, 2020-09-01.

[27]孙晓, 陈维, 郑仕鑫, 汪萌, 任福继. 基于多通道生理数据的心理压力预测方法和系统[P]. 安徽省: CN111513730A, 2020-08-11.

[28]孙晓, 裴正蒙, 任福继. 基于对话的情感调节方法和系统[P]. 安徽省: CN110706785A, 2020-01-17.

[29]谷雨, 付悦, 任福继. 一种基于WiFi信号的增强呼吸及心率实时监测评估方法系统[P]. 安徽省: CN110200610A, 2019-09-06.

[30]曹田, 李勃, 任福继, 张绳富, 许洲, 刘敏, 张思瑶. 一种基于圆投影的快速图像匹配方法[P]. 江苏省: CN110136160A, 2019-08-16.

[31]葛鹏, 胡敏, 王浩文, 王晓华, 任福继. 基于局部强化运动历史图和递归卷积神经网络的视频情感识别方法[P]. 安徽省: CN109934158A, 2019-06-25.

[32]谷雨, 章翔, 任福继. 一种基于频率分析的自适应CSI信号辅助滤波方法[P]. 安徽: CN108960051A, 2018-12-07.

[33]谷雨, 刘涛, 任福继, 刘博文. 一种基于WiFi信号的微形变实时监测评估的方法[P]. 安徽: CN108903951A, 2018-11-30.

[34]唐益明, 张有成, 胡相慧, 任福继, 丰刚永, 宋小成. 一种面向问题求解的菱形双向思维导图[P]. 安徽: CN108897816A, 2018-11-27.

[35]任福继, 虞兵, 鲍艳伟. 一种基于深度学习的多轮情感对话方法[P]. 山东: CN108874972A, 2018-11-23.

[36]任福继, 鲍艳伟. 一种个性化人机情感会话系统[P]. 山东: CN108846073A, 2018-11-20.

[37]唐益明, 胡相慧, 丰刚永, 华丹阳, 任福继, 张有成, 宋小成. 一种基于双变加权核FCM算法的数据聚类方法[P]. 安徽: CN108763590A, 2018-11-06.

[38]王浩文, 胡敏, 卜翔宇, 王晓华, 任福继. 一种基于深度学习的农作物病害识别方法[P]. 安徽: CN107563389A, 2018-01-09.

[39]唐益明, 丰刚永, 胡相慧, 任福继, 张有成, 宋小成. 基于模糊聚类的有效性指标的图像分割方法[P]. 安徽: CN107220977A, 2017-09-29.

[40]唐益明, 赵跟陆, 胡相慧, 任福继, 丰刚永. 基于多核局部信息FCM算法的图像分割方法[P]. 安徽: CN106846326A, 2017-06-13.

[41]王晓华, 侯登永, 彭穆子, 李艳秋, 胡敏, 任福继. 一种复合时空特征的双模态视频情感识别方法[P]. 安徽: CN106529504A, 2017-03-22.

[42]孙晓, 陈炜亮, 任福继. 基于深度学习的多模态融合的歌曲情感识别方法[P]. 安徽: CN106228977A, 2016-12-14.

[43]任福继, 李艳秋, 胡敏, 侯登永, 王家勇, 余子玺, 郑瑶娜. 多方向SLGS特征描述及性能云加权融合的人脸识别方法[P]. 安徽: CN106056059A, 2016-10-26.

[44]刘军, 吴玺, 朱承强, 王伟, 陈田, 任福继. 一种相邻层冗余共享三维存储器的存储裸片选择方法[P]. 安徽: CN106024068A, 2016-10-12.

[45]郑瑶娜, 胡敏, 余子玺, 滕文娣, 张柯柯, 王晓华, 任福继, 孙晓. 一种基于稀疏融合的单演多特征的人脸表情识别方法[P]. 安徽: CN105913053A, 2016-08-31.

[46]唐益明, 赵跟陆, 丰刚永, 任福继, 胡相慧. 多重核的可能性模糊聚类算法[P]. 安徽: CN105894024A, 2016-08-24.

[47]王晓华, 李瑞静, 胡敏, 金超, 侯登永, 任福继. 基于部分遮挡图像的人脸表情识别方法[P]. 安徽: CN105825183A, 2016-08-03.

[48]任福继, 李艳秋, 胡敏, 许良凤, 侯登永, 郑瑶娜, 余子玺. 一种多特征描述及局部决策加权的人脸识别方法[P]. 安徽: CN105608443A, 2016-05-25.

[49]谷雨, 任福继, 刘博文, 田建文. 一种基于安卓系统的同步执行事务方法[P]. 安徽: CN105389217A, 2016-03-09.

[50]王伟, 周梦玲, 方芳, 陈田, 刘军, 吴玺, 任福继. 一种用于TSV自检测和分类校验的装置[P]. 安徽: CN105047577A, 2015-11-11.

[51]王伟, 方芳, 周梦玲, 陈田, 任福继. 一种具有TSV自测试功能的测试装置及测试方法[P]. 安徽: CN104795342A, 2015-07-22.

[52]任福继, 刘宁, 康鑫. 一种微博情感可视化方法[P]. 安徽: CN104239383A, 2014-12-24.

[53]孙晓, 陈炜亮, 李承程, 任福继. 一种面向人机交互的多类信息耦合的情感识别方法[P]. 安徽: CN104200804A, 2014-12-10.

[54]全昌勤, 任福继, 钱瑶, 徐晓明. 一种基于动态人脸表情序列和K阶情感强度模型的特征表示方法[P]. 安徽: CN104156708A, 2014-11-19.

[55]任福继, 刘宁, 全昌勤, 华磊. 指定地域微博数据收集与处理方法[P]. 安徽: CN104133834A, 2014-11-05.

[56]王晓华, 胡敏, 金超, 黄伟, 任福继. 基于PWLD和D-S证据理论的人脸表情识别方法[P]. 安徽: CN104112145A, 2014-10-22.

[57]任福继, 刘宁, 全昌勤, 魏希权. 过往微博数据收集与处理方法[P]. 安徽: CN104111971A, 2014-10-22.

[58]孙晓, 孙重远, 高飞, 叶嘉麒, 任福继. 一种多模态的非接触情感分析记录系统[P]. 安徽: CN104102627A, 2014-10-15.

[59]全昌勤, 任福继, 刘宁. 一种情感词典建立与情感计算方法[P]. 安徽: CN104090864A, 2014-10-08.

[60]任福继. 一种机器人云系统[P]. 安徽: CN104023063A, 2014-09-03.

[61]任福继. 机器人学校及其机器人知识获取方法[P]. 安徽: CN104008421A, 2014-08-27.

[62]谷雨, 任福继, 权良虎, 陈孟妮. 基于WIFI背景噪音的被动式两人行为识别方法[P]. 安徽: CN104008282A, 2014-08-27.

[63]胡敏, 王晓华, 任福继, 江河, 黄忠, 朱弘, 李堃, 陈红波, 孙晓. 一种基于人脸表情图像的局部特征表征方法[P]. 安徽: CN103886317A, 2014-06-25.

[64]孙晓, 李承程, 孙重远, 高飞, 陈炜亮, 任福继. 一种基于微博群环境的微博多模态情感分析方法[P]. 安徽: CN103729456A, 2014-04-16.

[65]全昌勤, 任福继, 王丽娟, 鲍艳伟, 刘宁. 一种情感标注系统的构建方法[P]. 安徽: CN103678607A, 2014-03-26.

[66]孙晓, 李承程, 叶嘉麒, 唐陈意, 任福继. 一种基于重复字串的微博新词非监督自动抽取方法[P]. 安徽: CN103678656A, 2014-03-26.

[67]孙晓, 唐陈意, 叶嘉麒, 李承程, 任福继. 基于CRFs和SVM的产品评论细粒度情感要素提取[P]. 安徽: CN103646088A, 2014-03-19.

发明授权：

[1]任福继, 程韡瑾, 邓佳文, 刘健知. 一种简单安全的视觉生成提示工程方法、设备、介质及产品[P]. 四川省: CN119006635B, 2025-10-17.

[2]李泽中, 任福继, 孙晓. 利用同源词的日中机器翻译方法和系统[P]. 安徽省: CN114169345B, 2025-05-02.

[3]刘旻昊, 张彦如, 任福继, 段立新, 唐浩, 邓达豪, 吴乃星. 一种基于隐音素检索的数字人口型多样性增强方法[P]. 广东省: CN118921516B, 2025-01-24.

[4]李勃, 邱正, 任福继, 管越, 田梦阳. 一种基于量子化自编码器的无监督缺陷检测方法[P]. 江苏省: CN115375604B, 2024-07-26.

[5]唐益明, 陈仁好, 潘志富, 谢文军, 席雷, 孙晓, 李冰, 任福继. 一种知识诱导的多核模糊聚类的人脸图像分类方法[P]. 安徽省: CN114937299B, 2024-06-25.

[6]李勃, 颜铭, 任福继, 田梦阳, 管越, 杨晨. 一种四方向相对全变分图像去噪方法[P]. 江苏省: CN113112425B, 2024-03-22.

[7]唐益明, 席雷, 包光晴, 任福继, 张李, 韩晓鹏, 李冰, 陈锐. 基于结构相似度和图像区域块的模糊C均值图像分割方法及系统[P]. 安徽省: CN113628225B, 2024-02-20.

[8]师飘, 胡敏, 时雪峰, 李泽中, 任福继. 基于Transformer算法的单模态标签生成和多模态情感判别方法[P]. 安徽省: CN114386515B, 2024-02-20.

[9]师飘, 胡敏, 任福继, 李星达. 基于可分离残差注意力网络的表情标签修正和识别方法[P]. 安徽省: CN114038037B, 2024-02-13.

[10]唐益明, 张李, 潘志富, 李书杰, 陈锐, 吴玺, 韩将辉, 任福继. 一种基于特征约简的模糊聚类的轴承故障检测方法[P]. 安徽省: CN114743039B, 2024-02-13.

[11]师飘, 胡敏, 时雪峰, 李泽中, 任福继. 一种基于协同注意力的多模态情感分类方法及其应用[P]. 安徽省: CN115544279B, 2024-01-26.

[12]李勃, 管越, 任福继, 田梦阳, 颜铭, 杨晨. 基于RI-HOG特征及快速金字塔的目标检测方法[P]. 江苏省: CN113112471B, 2023-12-29.

[13]倪红军, 张加俏, 任福继, 张振亚, 贯大兴, 吕帅帅, 汪兴兴, 张福豹, 朱昱, 张守阳, 王凯旋. 一种基于分类优先YOLO网络的钢板表面缺陷检测方法[P]. 江苏省: CN111612784B, 2023-11-14.

[14]倪红军, 张加俏, 任福继, 张振亚, 贯大兴, 吕帅帅, 汪兴兴, 张福豹, 朱昱, 张守阳, 王凯旋. 一种基于双流神经网络模型的钢板表面缺陷分类方法[P]. 江苏省: CN111627018B, 2023-08-04.

[15]李泽中, 任福继, 孙晓. 中日词语自动对齐方法和系统[P]. 安徽省: CN114896959B, 2023-07-07.

[16]孙晓, 陈维, 郑仕鑫, 汪萌, 任福继. 基于多通道生理数据的心理压力预测方法和系统[P]. 安徽省: CN111513730B, 2023-06-09.

[17]张凯, 任福继, 胡敏. 一种用于无人船的河岸线检测及自主巡航方法[P]. 安徽省: CN114879685B, 2023-04-28.

[18]曹田, 李勃, 任福继, 张绳富, 许洲, 刘敏, 张思瑶. 一种基于圆投影的快速图像匹配方法[P]. 江苏省: CN110136160B, 2023-03-24.

[19]张凯, 任福继, 胡敏. 一种用于无人船的河道边界检测与跟踪方法及系统[P]. 安徽省: CN114332647B, 2022-10-21.

[20]李勃, 杨晨, 任福继, 田梦阳, 邱正, 管越, 颜铭. 一种基于特征学习的显著性区域检测方法[P]. 江苏省: CN113095332B, 2022-08-19.

[21]李勃, 田梦阳, 任福继, 管越, 颜铭, 杨晨. 一种基于四光源光度立体法的高光消除方法[P]. 江苏省: CN113096057B, 2022-08-19.

[22]唐益明, 潘志富, 夏博文, 吴文彬, 任福继, 席雷, 李冰, 陈锐. 一种焦点引导的人脸子空间模糊聚类方法及系统[P]. 安徽省: CN113239859B, 2022-08-19.

[23]唐益明, 张有成, 胡相慧, 任福继, 丰刚永, 宋小成. 一种面向问题求解的菱形双向思维导图[P]. 安徽省: CN108897816B, 2022-03-15.

[24]孙晓, 裴正蒙, 任福继. 基于对话的情感调节方法和系统[P]. 安徽省: CN110706785B, 2022-03-15.

[25]任福继, 鲍艳伟. 一种个性化人机情感会话系统[P]. 安徽省: CN108846073B, 2022-02-15.

[26]任福继, 虞兵, 鲍艳伟. 一种基于深度学习的多轮情感对话方法[P]. 安徽省: CN108874972B, 2021-10-19.

[27]刘宁, 何溪茜, 任福继. 一种机器人的头部机构、机器人及机器人的控制方法[P]. 广东省: CN112775991B, 2021-09-07.

[28]唐益明, 胡相慧, 丰刚永, 华丹阳, 任福继, 张有成, 宋小成. 一种基于双变加权核FCM算法的数据聚类方法[P]. 安徽省: CN108763590B, 2021-07-27.

[29]谷雨, 刘涛, 任福继, 刘博文. 一种基于WiFi信号的微形变实时监测评估的方法[P]. 安徽省: CN108903951B, 2021-04-13.

[30]葛鹏, 胡敏, 王浩文, 王晓华, 任福继. 基于局部强化运动历史图和递归卷积神经网络的视频情感识别方法[P]. 安徽省: CN109934158B, 2020-03-17.

[31]唐益明, 丰刚永, 胡相慧, 任福继, 张有成, 宋小成. 基于模糊聚类的有效性指标的图像分割方法[P]. 安徽省: CN107220977B, 2019-08-30.

[32]孙晓, 陈炜亮, 任福继. 基于深度学习的多模态融合的歌曲情感识别方法[P]. 安徽省: CN106228977B, 2019-07-19.

[33]王晓华, 侯登永, 彭穆子, 李艳秋, 胡敏, 任福继. 一种复合时空特征的双模态视频情感识别方法[P]. 安徽省: CN106529504B, 2019-05-31.

[34]刘军, 吴玺, 朱承强, 王伟, 陈田, 任福继. 一种相邻层冗余共享三维存储器的存储裸片选择方法[P]. 安徽省: CN106024068B, 2019-04-05.

[35]郑瑶娜, 胡敏, 余子玺, 滕文娣, 张柯柯, 王晓华, 任福继, 孙晓. 一种基于稀疏融合的单演多特征的人脸表情识别方法[P]. 安徽省: CN105913053B, 2019-03-08.

[36]王晓华, 李瑞静, 胡敏, 金超, 侯登永, 任福继. 基于部分遮挡图像的人脸表情识别方法[P]. 安徽省: CN105825183B, 2019-02-12.

[37]任福继, 李艳秋, 胡敏, 侯登永, 王家勇, 余子玺, 郑瑶娜. 多方向SLGS特征描述及性能云加权融合的人脸识别方法[P]. 安徽省: CN106056059B, 2019-02-12.

[38]谷雨, 任福继, 刘博文, 田建文. 一种基于安卓系统的同步执行事务方法[P]. 安徽省: CN105389217B, 2018-11-06.

[39]任福继, 李艳秋, 胡敏, 许良凤, 侯登永, 郑瑶娜, 余子玺. 一种多特征描述及局部决策加权的人脸识别方法[P]. 安徽省: CN105608443B, 2018-10-02.

[40]任福继, 刘宁, 全昌勤, 华磊. 指定地域微博数据收集与处理方法[P]. 安徽省: CN104133834B, 2018-05-04.

[41]任福继, 刘宁, 全昌勤, 魏希权. 过往微博数据收集与处理方法[P]. 安徽省: CN104111971B, 2018-03-13.

[42]全昌勤, 任福继, 刘宁. 一种情感词典建立与情感计算方法[P]. 安徽省: CN104090864B, 2018-02-06.

[43]王晓华, 胡敏, 金超, 黄伟, 任福继. 基于PWLD和D-S证据理论的人脸表情识别方法[P]. 安徽省: CN104112145B, 2018-01-19.

[44]王伟, 周梦玲, 方芳, 陈田, 刘军, 吴玺, 任福继. 一种用于TSV自检测和分类校验的装置[P]. 安徽省: CN105047577B, 2017-11-28.

[45]任福继. 一种机器人云系统[P]. 安徽省: CN104023063B, 2017-05-17.

[46]孙晓, 陈炜亮, 李承程, 任福继. 一种面向人机交互的多类信息耦合的情感识别方法[P]. 安徽省: CN104200804B, 2017-05-17.

[47]孙晓, 唐陈意, 叶嘉麒, 李承程, 任福继. 基于CRFs和SVM的产品评论细粒度情感要素提取[P]. 安徽省: CN103646088B, 2017-03-15.

[48]胡敏, 王晓华, 任福继, 江河, 黄忠, 朱弘, 李堃, 陈红波, 孙晓. 一种基于人脸表情图像的局部特征表征方法[P]. 安徽省: CN103886317B, 2017-01-11.

[49]谷雨, 任福继, 权良虎, 陈孟妮. 基于WIFI背景噪音的被动式两人行为识别方法[P]. 安徽省: CN104008282B, 2017-01-04.

[50]孙晓, 孙重远, 高飞, 叶嘉麒, 任福继. 一种多模态的非接触情感分析记录系统[P]. 安徽省: CN104102627B, 2016-10-26.

[51]孙晓, 李承程, 孙重远, 高飞, 陈炜亮, 任福继. 一种基于微博群环境的微博多模态情感分析方法[P]. 安徽省: CN103729456B, 2016-09-28.

[52]全昌勤, 任福继, 王丽娟, 鲍艳伟, 刘宁. 一种情感标注系统的构建方法[P]. 安徽省: CN103678607B, 2016-08-31.

实用新型：

[1]刘宁, 何溪茜, 任福继. 一种机器人的头部机构[P]. 广东省: CN214446443U, 2021-10-22.

出版著作：

[1]Fuji Ren， Kazuyuki MatsumotoAffiliated withTokushima University Email author， Chapter VIII Natural Language Processing Capabilities Required for Humanoid Nursing Robots in Nursing Robots， ISBN978-4-86186-689-0， Fukuro Shuppan Publishing， March， 2017

[2]Kazuyuki MatsumotoAffiliated withTokushima University Email author， Fuji Ren， Minoru Yoshida， Kenji Kita， Refinement by Filtering Translation Candidates and Similarity Based Approach to Expand Emotion Tagged Corpus， Volume 631 of the seriesCommunications in Computer and Information Science pp 260-280， 22 January 2017

[3]Advanced Intelligence， Zhongzhi Shi， Ben Goertzel， Fuji Ren (Eds.)， Tsinghua University Press， 164 pages， 2010.

[4]Advanced Intelligence， Fuji Ren， International Advanced Information Institute， 200 pages， 2008

[5]Artificial Intelligence and Affective Computing， Fuji Ren， Yixin Zhong， Shingo Kuroiwa， Satoru Tsuge， International Advanced Information Institute， 202 pages， 2007

[6]人工知能，任福继，中国科学出版社，2006

发表英文期刊论文：

[1]Yantong Wang， Yu Gu Y， Tong Quan， Jiaoyun Yang， Mianxiong Dong， Ning An， Fuji Ren， “ViE-Take: A Vision-Driven Multi-Modal Dataset for Exploring the Emotional Landscape in Takeover Safety of Autonomous Driving，” Research， 2025.

[2]Xinran Cao， Liang Luo， Yu Gu Y， Fuji Ren， “Co-dance with Ambiguity: An Ambiguity-Aware Facial Expression Recognition Framework for More Robustness，” IEEE Transactions on Circuits and Systems for Video Technology， 2025.

[3]Yan Zhuang， Yanru Zhang， Zheng Hu， Xiaoyue Zhang， Jiawen Deng， Fuji Ren*， “GLoMo: Global-Local Modal Fusion for Multimodal Sentiment Analysis，” the 32nd ACM International Conference on Multimedia (MM)， Melbourne， VIC Australia， 2024.

[4]Yu Gu Y， Yibing Weng， YanTong Wang， Meng Wang， Guohang Zhuang， Jingyang Huang， Xiaolan Peng， Liang Luo， Fuji Ren， “EmoTake: Exploring Drivers’ Emotion for Takeover Behavior Prediction，” IEEE Transactions on Affective Computing， 2024， Vol. 15， No. 4， pp. 2112-2127.

[5]Yu Gu Y， Xiang Zhang， Huan Yan， Jingyang Huang， Zhi Liu， Mianxiong Dong， Fuji Ren， “WiFE: WiFi and Vision based Unobtrusive Emotion Recognition via Gesture and Facial Expression，” IEEE Transactions on Affective Computing， 2023， Vol. 14， No. 4， pp. 2567-2581.

[6]Yu Gu Y， Huan Yan， Xiang Zhang， Yantong Wang， Yusheng Ji， Fuji Ren， “Towards Facial Expression Recognition in the Wild via Noise-tolerant Network，” IEEE Transactions on Circuits and Systems for Video Technology， 2023， Vol. 33， No. 5， pp. 2033-2047.

[7]Yu Gu Y， Huan Yan， Xiang Zhang， Yantong Wang， Jinyang Huang， Yusheng Ji， Fuji Ren， “Attention-Based Gesture Recognition Using Commodity WiFi Devices，” IEEE Sensors Journal， 2023， Vol. 23， No. 9， pp. 9685-9696.

[8]Yantong Wang， Yu Gu Y， Fuji Ren， “Emotion-Aware Takeover Performance Prediction System in Semi-Autonomous Driving，” IEEE Communications Magazine， 2023， Vol. 61， No. 10， pp. 70-75.

[9]Xiang Zhang， Yu Gu Y， Huan Yan， Yantong Wang， Mianxiong Dong， Kaoru Ota， Fuji Ren， “Wital: A Cots Wifi Devices based Vital Signs Monitoring System Using NLOS Sensing Model，” IEEE Transactions on Human-Machine Systems， 2023， Vol. 53， No. 3， pp. 629-641.

[10]Fuji Ren， Zhen Liu， Xin Kang， "An Efficient Framework for Constructing Speech Emotion Corpus Based on Integrated Active Learning Strategies，" IEEE Transactions on Affective Computing， 2022， Vol. 13， No. 4， pp. 1929-1940.

[11]Quan Wang， Fei Wang， Fuji Ren， Zhongheng Li， Feiping Nie， "An Effective Clustering Optimization Method for Unsupervised Linear Discriminant Analysis，" IEEE Transactions on Knowledge and Data Engineering， 2021， pp. 1-13.

[12]Jiawen Deng， Fuji Ren， "A Survey of Textual Emotion Recognition and Its Challenges，" IEEE Transactions on Affective Computing， 2021， pp. 1-20.

[13] Siyuan Xue,Fuji Ren. Intent-enhanced attentive Bert capsule network for zero-shot intention detection.Neurocomputing, 2021, 458, 1-13.

[14] Qian Zhang and Fuji Ren. Double Bayesian Pairwise Learning for One-class Collaborative Filtering,Knowledge-Based Systems, Vol.229, No.11, 1-9, 2021.

[15] Jiawen Deng,Fuji Ren. Multi-label Emotion Detection via Emotion-Specified Feature Extraction and Emotion Correlation Learning,IEEE Transactions on Affective Computing, 2020. DOI: 10.1109/TAFFC.2020.3034215.

[16] Yu Gu, Xiang Zhang, Liu Zhi and Fuji Ren. BeSense: Leveraging WiFi Channel Data and Computational Intelligence for Behavior Analysis, IEEE Computational Intelligence Magazine, vol. 14, no. 4, pp. 31-41, Nov. 2019.

[17] Yiming Tang, Witold Pedrycz,Fuji Ren. Granular symmetric implicational method.IEEE Transactions on Emerging Topics in Computational Intelligence, 6(3): 710-723 (2022).

[18] Zhong Huang,Fuji Ren, Min Hu and Sugen Chen. Facial Expression Imitation Method for Humanoid Robot Based on Smooth-Constraint Reversed Mechanical Model (SRMM),IEEE Transactions on Human-Machine Systems, Vol.50, No.6, 538-549, 2020. (Impact Factor: 2.968)

[19] Fuji Ren, Yanwei Bao. A review on human-computer interaction and intelligent robots.International Journal of Information Technology & Decision Making, 2020, 19 (01), 5-47.(Impact Factor: 3.508)

[20] Fuji Ren and Yangyang Zhou : CGMVQA: A New Classification and Generative Model for Medical Visual Question Answering,IEEE Access, Vol.8, No.1, 50626-50636, 2020 (Impact Factor: 4.640)

[21] Xin Kang, Shi Xuefeng, Yunong Wu and Fuji Ren. Active learning with complementary sampling for instructing class-biased multi-label text emotion classification,IEEE Transactions on Affective Computing, 2020. DOI:10.1109/TAFFC.2020.3038401

[22]Fuji Ren， Xin Kang， Changqin Quan， "Examining Accumulated Emotional Traits in Suicide Blogs with an Emotion Topic Model，" IEEE Journal of Biomedical and Health Informatics， 2016， Vol. 20， No. 5， pp. 1384-1396.

[23]Yu Gu， Fuji Ren， Yusheng Ji， Jie Li， "The Evolution of Sink Mobility Management in Wireless Sensor Networks: A Survey，" IEEE Communications Surveys and Tutorials， 2016， Vol. 18， Issue 1， pp. 507-524.

[24]Fuji Ren， Zhong Huang， "Automatic facial expression learning method based on humanoid robot XIN-REN，" IEEE Transactions on Human-Machine Systems， 2016， Vol. 46， No. 6， pp. 810-821.

[25]Fuji Ren， Kazuyuki Matsumoto， "Semi-automatic Creation of Youth Slang Corpus and Its Application to Affective Computing，" IEEE Transactions on Affective Computing， 2016， Vol. 7， No. 2， pp. 176-189.

[26]Fuji Ren， Haitao Yu， "Role-explicit query extraction and utilization for quantifying user intents，" Information Sciences， 2015， Vol. 329， No. 1， pp. 568-580.

[27]Fuji Ren， Mohammad Golam Sohrab， "Class-indexing-based term weighting for automatic text classification，" Information Sciences， 2013， Vol. 236， pp. 109-125.

[28]Fuji Ren， Ye Wu， "Predicting User-topic Opinions in Twitter with Social and Topical Context，" IEEE Transactions on Affective Computing， 2013， Vol. 4， No. 4， pp. 412-424.

发表中文期刊论文

[1]陶雪, 邓佳文, 任福继. 2025年情感智能研究热点回眸[J]. 科技导报, 2026, 44 (01): 78-90.

[2]游佳莉, 邓佳文, 焦子韵, 罗阿理, 宋轶晗, 邱波, 任福继. “物-人-场”交互视域下的数字孪生技术研究进展[J]. 科技导报, 2025, 43 (20): 62-84.

[3]黄忠, 张远坤, 任福继, 胡敏, 刘娟. 基于非对称注意与双池化筛选的情感识别网络[J]. 机器人, 1-13.

[4]任福继. 人工智能时代的“三人”共舞[J]. 智能系统学报, 2025, 20 (05): 1053.

[5]薛嗣媛, 任福继. 基于对话思维链指令微调的汉语写作智能评语生成研究[J]. 计算机工程与应用, 2026, 62 (04): 180-189.

[6]谷雨, 任福继. 2024年人机情感交互领域热点回眸[J]. 科技导报, 2025, 43 (01): 132-142.

[7]黄忠, 张丹妮, 任福继, 胡敏, 刘娟. 关键点引导与显著帧增强的情感识别网络[J]. 计算机工程与应用, 2025, 61 (18): 142-156.

[8]魏少朋, 梁婷, 赵宇, 庄福振, 任福继. 面向企业信用风险评估的多视角异质图神经网络方法[J]. 计算机研究与发展, 2024, 61 (08): 1957-1967.

[9]任福继, 张彦如. 通用大模型演进路线[J]. 科技导报, 2024, 42 (12): 44-50.

[10]任福继. 为人本而生的人工智能技术——情感计算[J]. 张江科技评论, 2024, (01): 1.

[11]邓佳文, 任福继. 2023年生成式AI大模型发展热点回眸[J]. 科技导报, 2024, 42 (01): 266-285.

[12]刘军, 缪伟伟, 吴玺, 任福继. 约束重编程单元数量的忆阻器阵列闭环重映射算法[J]. 计算机辅助设计与图形学学报, 2023, 35 (06): 970-978.

[13]任福继. 自然人、机器人与数字人的情感交互[J]. 高科技与产业化, 2023, 29 (05): 20-23.

[14]鲍艳伟, 任福继. 人脑信息处理和类脑智能研究进展[J]. 科技导报, 2023, 41 (09): 6-16.

[15]黄忠, 任福继, 胡敏, 刘娟. 基于Transformer架构和B样条平滑约束的机器人面部情感迁移网络[J]. 机器人, 2023, 45 (04): 395-408.

[16]薛嗣媛, 周建设, 任福继. 写作智能评测研究综述和发展前景[J]. 中文信息学报, 2023, 37 (02): 1-14.

[17]胡敏, 胡鹏远, 葛鹏, 王晓华, 章魁, 任福继. 基于面部运动单元和时序注意力的视频表情识别方法[J]. 计算机辅助设计与图形学学报, 2023, 35 (01): 108-117.

[18]韩保金, 任福继. 基于多层感知机改进型Xception人脸表情识别[J]. 湖南大学学报(自然科学版), 2022, 49 (06): 65-72.

[19]李路宝, 陈田, 任福继, 罗蓓蓓. 基于图神经网络和注意力的双模态情感识别方法[J]. 计算机应用, 2023, 43 (03): 700-705.

[20]王凯旋, 任福继, 倪红军, 吕帅帅, 汪兴兴. 面向电力设备红外图像的温度值识别算法[J]. 智能系统学报, 2022, 17 (03): 617-624.

[21]王凯旋, 任福继, 倪红军, 吕帅帅, 汪兴兴. 基于循环互相关系数的CGAN温度值图像扩增[J]. 智能系统学报, 2022, 17 (01): 32-40.

[22]安鑫 , 代子彪 , 李阳 , 孙晓 , 任福继 . 基于BERT的端到端语音合成方法[J]. 计算机科学, 2022, 49 (04): 221-226.

[23]时雪峰, 康鑫, 廖萍, 任福继. 一种构建情感标签均衡语料库的主动学习算法[J]. 计算机应用与软件, 2021, 38 (07): 265-270+349.

[24]李茜茜, 沈晓燕, 任福继, 康鑫. 面向数据增强的多种语音情感分类算法研究[J]. 智能系统学报, 2021, 16 (01): 170-177.

[25]董寅冬, 任福继, 李春彬. 基于线性核主成分分析和XGBoost的脑电情感识别[J]. 光电工程, 2021, 48 (02): 15-23.

[26]安鑫, 杨海娇, 李建华, 任福继. 热安全约束下异构多核系统动态映射方法[J]. 计算机应用, 2021, 41 (09): 2631-2638.

[27]刘军, 王亭亭, 任福继. 面向可重构扫描网络的锁定隔离安全结构[J]. 计算机辅助设计与图形学学报, 2021, 33 (03): 356-362.

[28]陈田, 樊明焱, 任福继, 尹红芳. 采用瞳孔位置实现情感识别的方案[J]. 计算机应用研究, 2021, 38 (06): 1765-1769.

[29]唐益明, 宋小成, 任福继, 丰刚永. 面向权重的可能性MKFC算法[J]. 微电子学与计算机, 2020, 37 (12): 6-11.

[30]安鑫, 康安, 夏近伟, 李建华, 陈田, 任福继. 基于机器学习的异构感知多核调度方法[J]. 计算机应用, 2020, 40 (10): 3081-3087.

[31]任福继. 人工智能能否驰骋在大教育大健康的广袤原野？[J]. 智能系统学报, 2020, 15 (02): 405-408.

[32]王彬, 方芳, 王伟, 任福继. 基于忆阻器的可变电阻器建模[J]. 合肥工业大学学报(自然科学版), 2020, 43 (02): 188-193.

[33]陈田, 周洋, 任福继, 安鑫, 赵沪隐. 基于三态信号的改进游程编码压缩方法[J]. 计算机工程, 2021, 47 (02): 219-225.

[34]王秀云, 刘军, 任福继. TSVs串扰故障分组测试和诊断策略[J]. 微电子学与计算机, 2020, 37 (02): 30-36.

[35]王晓华, 潘丽娟, 彭穆子, 胡敏, 金春花, 任福继. 基于层级注意力模型的视频序列表情识别[J]. 计算机辅助设计与图形学学报, 2020, 32 (01): 27-35.

[36]安鑫, 夏近伟, 杨海娇, 欧阳一鸣, 任福继. 基于离散控制器合成的异构多核系统资源管理方法[J]. 计算机应用, 2020, 40 (06): 1698-1706.

[37]曹田, 李勃, 任福继, 董蓉. 快速的圆投影图像匹配算法[J]. 智能系统学报, 2020, 15 (01): 84-91.

[38]张茜, 张士兵, 任福继, 张晓格. 基于主题模型的微博评论方面观点褒贬态度挖掘[J]. 中文信息学报, 2019, 33 (06): 116-123+140.

[39]刘军, 王秀云, 任福继. 使用辅助转接板和熔丝的2.5D集成电路测试策略[J]. 计算机工程与应用, 2020, 56 (06): 271-278.

[40]何寒娜, 方芳, 王伟, 陈田, 郭金良, 任福继. 改进模拟退火遗传算法的3D NoC低功耗映射[J]. 计算机辅助设计与图形学学报, 2019, 31 (04): 681-688.

[41]陈田, 陈占刚, 袁晓辉, 鞠思航, 任福继. 基于脑电信号瞬时能量的情感识别方法[J]. 计算机工程, 2019, 45 (04): 196-204.

[42]李敏嘉, 解仑, 王志良, 任福继. 基于生理信号感知的个性化复合情绪机器人[J]. 东南大学学报(自然科学版), 2019, 49 (02): 225-230.

[43]潘航, 解仑, 刘靖, 李雪, 王志良, 任福继. 面向孤独症辅助康复的交互机器人系统[J]. 计算机集成制造系统, 2019, 25 (03): 673-681.

[44]沈杰, 瞿遂春, 任福继, 邱爱兵, 徐杨. 基于SGAN的中文问答生成研究[J]. 计算机应用与软件, 2019, 36 (02): 194-199.

[45]陈田, 左永生, 安鑫, 任福继. 基于三态信号的测试数据相容压缩方法[J]. 计算机应用, 2019, 39 (06): 1863-1868.

[46]黄濛濛, 刘军, 张逸凡, 谷雨, 任福继. 基于无线信道状态信息的跌倒无源监测方法[J]. 计算机应用, 2019, 39 (05): 1528-1533.

[47]刘军, 董鹏, 任福继. 基于对角线的硅通孔容错设计[J]. 微电子学与计算机, 2018, 35 (11): 73-78.

[48]黄忠, 任福继, 胡敏, 刘娟. 基于双LSTM融合的类人机器人实时表情再现方法[J]. 机器人, 2019, 41 (02): 137-146.

[49]郭金良, 方芳, 王伟, 王彬, 任福继. 基于云计算系统的空闲能耗优化方法研究[J]. 电子测量与仪器学报, 2018, 32 (09): 94-101.

[50]胡敏, 张柯柯, 王晓华, 任福继. 结合滑动窗口动态时间规整和CNN的视频人脸表情识别[J]. 中国图象图形学报, 2018, 23 (08): 1144-1153.

[51]唐益明, 张有成, 任福继, 胡相慧, 宋小成, 丰刚永. 模糊推理的FMT-对称I*算法[J]. 南京大学学报(自然科学), 2018, 54 (04): 706-713.

[52]韩朝, 苗夺谦, 任福继. 基于粗糙集理论的中文知识问答的知识谓词分析[J]. 计算机科学, 2018, 45 (06): 183-186.

[53]任福继, 于曼丽, 胡敏, 李艳秋. 融合表情和BVP生理信号的双模态视频情感识别[J]. 中国图象图形学报, 2018, 23 (05): 688-697.

[54]韩朝, 苗夺谦, 任福继, 张红云. 基于粗糙集知识发现的开放领域中文问答检索[J]. 计算机研究与发展, 2018, 55 (05): 958-967.

[55]许良凤, 刘泳海, 胡敏, 王晓华, 任福继. 语谱图改进完全局部二值模式的语音情感识别[J]. 电子测量与仪器学报, 2018, 32 (05): 25-32.

[56]李艳秋, 任福继, 胡敏. 动态模糊密度的多分类器融合算法[J]. 电子学报, 2018, 46 (05): 1246-1252.

[57]唐益明, 丰刚永, 任福继, 胡相慧, 张有成. 面向结构复杂数据集的模糊聚类有效性指标[J]. 电子测量与仪器学报, 2018, 32 (04): 119-127.

[58]孙晓, 张陈, 任福继. 基于社交媒体的用户情绪建模与异常检测[J]. 中文信息学报, 2018, 32 (04): 120-129.

[59]陈田, 汪加伟, 安鑫, 任福继. 三维芯片多层与多核并行测试调度优化方法[J]. 计算机应用, 2018, 38 (06): 1795-1800+1808.

[60]刘军, 朱承强, 吴玺, 王伟, 任福继. 相邻层冗余共享的三维存储器成品率优化方法[J]. 电子学报, 2018, 46 (03): 629-635.

[61]姜明星, 胡敏, 王晓华, 任福继, 王浩文. 视频序列中表情和姿态的双模态情感识别[J]. 激光与光电子学进展, 2018, 55 (07): 167-174.

[62]王晓华, 夏晨, 胡敏, 任福继. 融合时空特征的视频序列表情识别[J]. 电子与信息学报, 2018, 40 (03): 626-632.

[63]李丹, 解仑, 卢婷, 韩晶, 胡波, 王志良, 任福继. 基于光流方向信息熵统计的微表情捕捉[J]. 工程科学学报, 2017, 39 (11): 1727-1734.

[64]王晓华, 陈影, 胡敏, 任福继. 基于AR-WLD和分块相似度加权的遮挡表情识别[J]. 激光与光电子学进展, 2018, 55 (04): 183-190.

[65]韩晶, 解仑, 贺苗, 王志良, 任福继. 面向老人迟滞性特征的可信情感计算[J]. 工程科学学报, 2017, 39 (10): 1591-1597.

[66]韩晶, 解仑, 王志良, 任福继. 基于GMM的增量式情感映射[J]. 哈尔滨工业大学学报, 2018, 50 (08): 168-173.

[67]方芳, 秦振陆, 王伟, 朱侠, 郭二辉, 任福继. 3D芯片绑定中测试绑定次序对成本的影响[J]. 电子学报, 2017, 45 (09): 2263-2271.

[68]曹阳, 邢述达, 任福继, 李锦义. 基于Kinect机器人与人肢体交互系统的设计与实现[J]. 中国科技论文, 2017, 12 (14): 1596-1601.

[69]刘军, 李进, 王伟, 任福继. 基于相邻多层冗余共享的三维存储器堆叠方法[J]. 微电子学与计算机, 2017, 34 (07): 1-6.

[70]陈田, 易鑫, 王伟, 刘军, 梁华国, 任福继. 一种低功耗双重测试数据压缩方案[J]. 电子学报, 2017, 45 (06): 1382-1388.

[71]孙晓, 彭晓琪, 胡敏, 任福继. 基于多维扩展特征与深度学习的微博短文本情感分析[J]. 电子与信息学报, 2017, 39 (09): 2048-2055.

[72]唐益明, 赵跟陆, 任福继, 丰刚永, 胡相慧. 图像分割的EMKPFC算法[J]. 南京大学学报(自然科学), 2017, 53 (03): 569-578.

[73]周帅骏, 任福继, 堵俊, 杨赛. 融合背景先验与中心先验的显著性目标检测[J]. 中国图象图形学报, 2017, 22 (05): 584-595.

[74]孙晓, 高飞, 任福继. 基于深度模型的社会新闻对用户情感影响挖掘[J]. 中文信息学报, 2017, 31 (03): 184-190+204.

[75]王伟, 周梦玲, 方芳, 郭二辉, 陈田, 刘军, 任福继. 片上网络路由器的测试及其外壳旁路故障的诊断[J]. 电子学报, 2017, 45 (03): 638-643.

[76]胡敏, 余子玺, 王晓华, 任福继, 何蕾. G-LBP和方差投影交叉熵的人脸识别[J]. 图学学报, 2017, 38 (01): 82-89.

[77]王晓华, 侯登永, 胡敏, 任福继. 复合时空特征的双模态情感识别[J]. 中国图象图形学报, 2017, 22 (01): 39-48.

[78]王晓华, 侯登永, 胡敏, 任福继, 王家勇. 时空LBP矩和Dempster-Shafer证据融合的双模态情感识别[J]. 光电工程, 2016, 43 (12): 154-161.

[79]王晓华, 李瑞静, 胡敏, 任福继. 融合局部特征的面部遮挡表情识别[J]. 中国图象图形学报, 2016, 21 (11): 1473-1482.

[80]孙晓, 孙重远, 任福继. 基于深层条件随机场的生物医学命名实体识别[J]. 模式识别与人工智能, 2016, 29 (11): 997-1008.

[81]孙晓, 何家劲, 任福继. 基于多特征融合的混合神经网络模型讽刺语用判别[J]. 中文信息学报, 2016, 30 (06): 215-223.

[82]王伟, 朱侠, 方芳, 秦振陆, 郭二辉, 任福继. 基于芯核分层布图的3D芯片扫描链优化设计[J]. 电子测量与仪器学报, 2016, 30 (10): 1482-1489.

[83]刘军, 王堂亚, 任福继. 故障芯片重利用的三维存储器成品率提高方法[J]. 微电子学与计算机, 2016, 33 (10): 7-12+18.

[84]任福继, 李艳秋, 胡敏, 许良凤. 多特征描述及局部决策融合的人脸识别[J]. 光电工程, 2016, 43 (09): 1-8.

[85]秦振陆, 方芳, 王伟, 朱侠, 郭二辉, 任福继. “绑定中测试”“多绑一测”方式对于测试过程的影响[J]. 计算机工程与科学, 2016, 38 (08): 1602-1608.

[86]孙晓, 潘汀, 任福继. 基于ROI-KNN卷积神经网络的面部表情识别[J]. 自动化学报, 2016, 42 (06): 883-891.

[87]任福继, 李艳秋, 许良凤, 胡敏, 王晓华. 局部均匀模式描述和双加权融合的人脸识别[J]. 中国图象图形学报, 2016, 21 (05): 565-573.

[88]陈田, 易鑫, 郑浏旸, 王伟, 梁华国, 任福继, 刘军. 基于Viterbi的低功耗确定性测试方案[J]. 计算机辅助设计与图形学学报, 2016, 28 (05): 821-829.

[89]王晓华, 黄伟, 金超, 胡敏, 任福继. 多特征多分类器优化匹配的人脸表情识别[J]. 光电工程, 2016, 43 (03): 73-79.

[90]黄忠, 任福继, 胡敏. 基于RBF神经网络的人形机器人在线面部表情模仿[J]. 机器人, 2016, 38 (02): 225-232.

[91]张斌, 全昌勤, 任福继. 语音合成方法和发展综述[J]. 小型微型计算机系统, 2016, 37 (01): 186-192.

[92]任福继, 孙晓. 智能机器人的现状及发展[J]. 科技导报, 2015, 33 (21): 32-38.

[93]胡敏, 程轶红, 王晓华, 任福继, 许良凤, 黄晓音. 基于非对称局部梯度编码的人脸表情识别[J]. 中国图象图形学报, 2015, 20 (10): 1313-1321.

[94]孙晓, 孙重远, 任福继. 基于深层结构模型的新词发现与情感倾向判定[J]. 计算机科学, 2015, 42 (09): 208-213.

[95]胡敏, 李堃, 王晓华, 任福继. 基于直方图加权HCBP的人脸表情识别[J]. 电子测量与仪器学报, 2015, 29 (07): 953-960.

[96]任福继. 情感机器人与机器人学校[J]. 中国信息界, 2015, (03): 45.

[97]刘军, 钱庆庆, 吴玺, 王伟, 陈田, 任福继. 三维IP核绑定前后总测试时间的优化方法[J]. 计算机工程与应用, 2016, 52 (22): 44-48+54.

[98]王玉, 任福继, 全昌勤. 口语对话系统中对话管理方法研究综述[J]. 计算机科学, 2015, 42 (06): 1-7+27.

[99]谷雨, 权良虎, 陈孟妮, 任福继. 基于WiFi背景噪音的被动式人体行为识别研究[J]. 中国科学技术大学学报, 2015, 45 (04): 308-313.

[100]胡敏, 江河, 王晓华, 陈红波, 李堃, 任福继. 精确局部特征描述的表情识别[J]. 中国图象图形学报, 2014, 19 (11): 1613-1622.

[101]孙晓, 叶嘉麒, 龙润田, 任福继. 基于情感语义词典与PAD模型的中文微博情感分析[J]. 山西大学学报(自然科学版), 2014, 37 (04): 580-587.

[102]孙晓, 叶嘉麒, 唐陈意, 任福继. 基于多策略的新浪微博大数据抓取及应用[J]. 合肥工业大学学报(自然科学版), 2014, 37 (10): 1210-1215.

[103]刘军, 吴玺, 梁华国, 任福继. 三维扫描树叶子节点和TSVs数量的优化方法[J]. 中国科学:信息科学, 2014, 44 (10): 1203-1215.

[104]王晓华, 金超, 任福继, 胡敏. Dempster-Shafer证据融合金字塔韦伯局部特征的表情识别[J]. 中国图象图形学报, 2014, 19 (09): 1297-1305.

[105]孙晓, 李承程, 叶嘉麒, 任福继. 基于重复字串的微博新词非监督自动抽取[J]. 合肥工业大学学报(自然科学版), 2014, 37 (06): 674-678+724.

[106]米丽萍, 任福继. 编码和提取过程中日语汉字和假名的差异比较[J]. 科技导报, 2012, 30 (26): 43-47.

[107]任福继. 机器人云与机器人学校[J]. 科技导报, 2012, 30 (09): 73-79.

[108]姜沛林, 王飞, 任福继. 基于中文知识的半自动复杂感性分类与本体构建(英文)[J]. 中国通信, 2012, 9 (03): 28-37.

[109]松本和幸, 北研二, 任福继. 基于情感向量距离的青少年用语的情感分析(英文)[J]. 中国通信, 2012, 9 (03): 87-98.

[110]康鑫, 任福继. 基于分层贝叶斯网络预测话题和单词复杂情感(英文)[J]. 中国通信, 2012, 9 (03): 99-109.

[111]孙晓, 黄德根, 宋海玉, 任福继. Chinese New Word Identification:A Latent Discriminative Model with Global Features[J]. Journal of Computer Science & Technology, 2011, 26 (01): 14-24.

[112]刘向阳, 米丽萍, 任福继. 中国人和日本人在认知日语词句时的差异比较[J]. 计算机工程与应用, 2010, 46 (27): 138-141+197.

[113]米丽萍, 任福继. 图画优异性效果在编码和提取中的促进作用[J]. 科技导报, 2009, 27 (20): 80-86.

[114]李赟, 黄开妍, 任福继, 钟义信. 维基百科的中文语义相关词获取及相关度分析计算[J]. 北京邮电大学学报, 2009, 32 (03): 109-112.

[115]任福继,范莉馨,宫永喜一,枥内香次. 日中机器翻译中的可保留歧义关系[J]. 大连理工大学学报, 1993, (S2): 242-251.

[116]任福继. VLSI的扇出点故障模拟的新方法[J]. 计算机学报, 1990, (02): 133-138.

[117]陈俊亮, 任福继, 马跃. 数字系统故障模拟的图形算法[J]. 北京邮电学院学报, 1987, (03): 1-10.

[118]任福继. 一种求色数的算法及其实用方式[J]. 计算机应用与软件, 1986, (04): 58-63+57.

会议论文

[1]刘琼 & 任福继. (2004). 股市预测算法及分析结果的自然语言生成. (eds.) 科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集 (pp.311-312).

[2]赵欣 & 任福继. (2004). 利用超函数的日中商业文书自动翻译. (eds.) 科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集 (pp.332).

[3]胡海青 & 任福继. (2004). 基于向量空间模型与自然语言特征的智能问答系统. (eds.) 科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集 (pp.303-304).

[4]任福继. (2004). 人类感性认知与机器情感创生. (eds.) 科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集 (pp.318). 日本德岛大学;

[5]任福继. (1998). 面向21世纪的自然语言处理——国际共同研究项目“日中英多语言对译语料库JCE-TC”的进展与展望. (eds.) 信息科学与微电子技术:中国科协第三届青年学术年会论文集 (pp.28-30).

[6]范莉馨, 任福继, 宫永喜一 & (木厉)内香次. (1992). 一个利用句子结构特征实现的中日机器翻译系统. (eds.) 中国科学技术协会首届青年学术年会论文集（工科分册·上册） (pp.248-253).

[7]任福继 & 范莉馨. (1992). 基于家族模型的日中机器翻译系统. (eds.) 中国科学技术协会首届青年学术年会论文集（工科分册·上册） (pp.447-453).

【团队名称】情溢天海先进智能团队

【团队简介】

情溢天海先进智能实验室成立于2022年5月，实验室成员围绕大教育、智能机器人、人工智能、情感计算、自然语言理解、计算机视觉、普适计算等共融机器人相关基础理论与关键技术等方向开展研究工作，在多源大数据库、基础理论、工程应用方法和系统验证等方面形成了丰富的成果积累。

【主要研究领域及方向】

智能机器人、人工智能、情感计算、自然语言理解、计算机视觉、普适计算

【团队负责人】

任福继，人工智能领域专家，现任电子科技大学特聘讲席教授、人工智能研究院首席科学家、深圳高等研究院首席科学家，中国人工智能学会名誉副理事长、中国科协海智专家、国务院侨办科技专家咨询委员。共发表论文800余篇，在顶尖国际会议上作特邀报告500余次，是日本工学会院士、日本工程院院士（36 名首届院士中唯一的华人学者）、欧盟科学院院士、俄罗斯工程院外籍院士，荣获中国政府友谊奖、海外杰出青年学者基金获得者、中国产学研合作创新奖等重要奖项。

此外，任福继主持了国家863项目、自然科学基金重点项目、联合基金重点项目等多项重点项目，取得了突破性成果。2012年其牵头的“情感计算·人工心理的理论及其应用”项目获得吴文俊人工智能科学技术奖创新一等奖（2012-CX-01，第一完成人）。2014年其牵头的“基于先进智能的高级交互式代步机器人”获得吴文俊人工智能科学技术奖进步奖三等奖（JB2014-3-R01，第一完成人）。因在情感计算与情感机器人领域的杰出成就获得科学中国人（2015）年度人物杰出贡献奖。其与诺贝尔获奖者高锟、美国商务部长骆家辉等被全球150家媒体评选为“2009年全球华人十大新闻人物”的前三名。2021年11月18日Nature子刊信息，任福继在情感计算领域（2016-2020）排名全球前三位，2022年12月9日发布的《情感计算白皮书》信息，任福继院士被评定为情感计算领域全球典型学者榜首。

【团队成员】

周涛教授主要从事大数据、人工智能等方向研究

傅彦教授主要从事大数据、人工智能等方向研究

陈端兵教授主要从事大数据、人工智能等方向研究

谷雨教授主要从事先进网络、情感计算等方向研究

张彦如教授主要从事大数据、人工智能等方向研究

罗亮副教授主要从事复杂网络优化、可靠性、人工智能等方向研究

蔡世民副教授主要从事大数据、人工智能等方向研究

周俊临副教授主要从事大数据、人工智能等方向研究

曾伟副教授主要从事个性化推荐系统研究

邓佳文助理研究员主要从事情感计算等方向研究

【代表性科研项目】

1.国家自然科学基金，U24A20250，智能机器人人机技术研究，2025.01-2028.12，260万元，主持

2.国家自然科学基金，U1613217，服务机器人技术研究，2017.01-2020.12，260万，主持

3.国家自然科学基金，U1432004，基于情感交互计算，2015.01-2019.12，350万，主持

4.国家高技术研究发展计划（863计划），中文情感语义系统，2012.01-2014.12，464万，主持

5.国家自然科学，61433014，大数据结构与关系的度量与简约计算，2015/01-2019/12，360 万元，参与

6.国家自然科学， T2293771， “信息-物理-社会”系统治理机制，2023-01-01 至 2027-12-31， 342.5万元，参与

7.日本学术振兴会，15H01712，具有脑和心的进化型先进智能机器人的创造，2015.01-2018.12，248万，主持

8.日本学术振兴会，22240021，机器人心的创造.应用，2010.01-2014.1，主持

9.科技部重大项目，2022ZD0211400，儿童青少年方法研究，2022.08-2027.07，500万，参与

10.深圳市科创委重大专项，KJZD20230923113800002，5G智能交互应用示范，2024.01-2025.12，300万，参与

11.中共中央组织部，G05QNQR059，基于双边资源管理，2021.1-2025.12，200万，主持

12.四川省委组织部，天府峨眉计划第2069号，2023.01-2026.12，200万，主持

13.深圳市科创委重点项目，JCYJ20241206180207010，高密度城市研究， 2024.12-2027.11， 150万元，主持

14.四川省科技厅重点，2024YFG0006，面向老人心理.....技术研究，2024.04-2026.03，100万，主持

14.四川省科技厅，2024ZYD0274，基于深度强化学习示范应用，2024.05-2025.11，100万，主持

16.四川省科技厅，2024NSFTD0042，情感计算，2024.04-2026.03，100万，主持

17.国家自然科学基金面上项目，61673085，时变社交网络结构与传播动力学研究， 2017.01.01-2020.12.31，62万元，主持

18.JS科学院GF科技创新研究院横向项目， XM2021CX1065，基于大数据采集挖掘的DARPA实体深度关联分析与智能推荐研究， 2021.09-2021.12， 50万元，主持

19.国家自然科学基金委员会，国际(地区)合作与交流项目， 42361144718，大数据技术赋能城市可持续发展与社会公平的方法和路径研究， 2024-01-01 至 2026-12-31， 60万元，主持

【代表性科研成果】

论文成果：

1.Fuji Ren， Zhen Liu， Xin Kang， "An Efficient Framework for Constructing Speech Emotion Corpus Based on Integrated Active Learning Strategies，" IEEE Transactions on Affective Computing， 2022， Vol. 13， No. 4， pp. 1929-1940.

2.Quan Wang， Fei Wang， Fuji Ren， Zhongheng Li， Feiping Nie， "An Effective Clustering Optimization Method for Unsupervised Linear Discriminant Analysis，" IEEE Transactions on Knowledge and Data Engineering， 2021， pp. 1-13.

3.Jiawen Deng， Fuji Ren， "A Survey of Textual Emotion Recognition and Its Challenges，" IEEE Transactions on Affective Computing， 2021， pp. 1-20.

4.Fuji Ren， Xin Kang， Changqin Quan， "Examining Accumulated Emotional Traits in Suicide Blogs with an Emotion Topic Model，" IEEE Journal of Biomedical and Health Informatics， 2016， Vol. 20， No. 5， pp. 1384-1396.

5.Yu Gu， Fuji Ren， Yusheng Ji， Jie Li， "The Evolution of Sink Mobility Management in Wireless Sensor Networks: A Survey，" IEEE Communications Surveys and Tutorials， 2016， Vol. 18， Issue 1， pp. 507-524.

6.Fuji Ren， Zhong Huang， "Automatic facial expression learning method based on humanoid robot XIN-REN，" IEEE Transactions on Human-Machine Systems， 2016， Vol. 46， No. 6， pp. 810-821.

7.Fuji Ren， Kazuyuki Matsumoto， "Semi-automatic Creation of Youth Slang Corpus and Its Application to Affective Computing，" IEEE Transactions on Affective Computing， 2016， Vol. 7， No. 2， pp. 176-189.

8.Fuji Ren， Haitao Yu， "Role-explicit query extraction and utilization for quantifying user intents，" Information Sciences， 2015， Vol. 329， No. 1， pp. 568-580.

9.Fuji Ren， Mohammad Golam Sohrab， "Class-indexing-based term weighting for automatic text classification，" Information Sciences， 2013， Vol. 236， pp. 109-125.

10.Fuji Ren， Ye Wu， "Predicting User-topic Opinions in Twitter with Social and Topical Context，" IEEE Transactions on Affective Computing， 2013， Vol. 4， No. 4， pp. 412-424.

11.Weilong Chen， Shaoliang Zhang， Ruobing Xie， Feng Xia， Leyu Lin， Xinran Zhang， Yan Wang， Yanru Zhang*， “CIPPO: Contrastive Imitation Proximal Policy Optimization for Recommendation Based on Reinforcement Learning，” IEEE Transactions on Knowledge and Data Engineering (TKDE)， 2024， Vol. 36， No. 11， pp. 5753-5767.

12.Weilong Chen， Shengrong Bu， Xinran Zhang， Yanqing Tao， Yanru Zhang*， Zhu Han， “Semi-Supervised Federated Analytics for Heterogeneous Household Characteristics Identification，” IEEE Transactions on Smart Grid， 2024， Vol. 15， No. 6， pp. 5799-5812.

13.Chenghao Huang， Shengrong Bu， Weilong Chen， Hao Wang， Yanru Zhang*， "Deep Reinforcement Learning-Assisted Federated Learning for Robust Short-Term Load Forecasting in Electricity Wholesale Markets，" IEEE Transactions on Network Science and Engineering， 2024， Vol. 11， No. 5， pp. 5073-5088.

14.Zhongjian Zhang， Shengrong Bu， Yanru Zhang*， Zhu Han， “Market-Level Integrated Detection Against Cyber Attacks in Real-Time Market Operations by Self-Supervised Learning，” IEEE Transactions on Smart Grid (TSG)， 2024， Vol. 15， No. 4， pp. 4128-4142.

15.Jinhao Li， Ruichang Zhang， Hao Wang， Zhi Liu， Hongyang Lai， Yanru Zhang*， “Deep Reinforcement Learning for Voltage Control and Renewable Accommodation Using Spatial-Temporal Graph Information，” IEEE Transactions on Sustainable Energy (TSNE)， 2024， Vol. 15， No. 1， pp. 249-262.

16.Yan Zhuang， Yanru Zhang， Zheng Hu， Xiaoyue Zhang， Jiawen Deng， Fuji Ren*， “GLoMo: Global-Local Modal Fusion for Multimodal Sentiment Analysis，” the 32nd ACM International Conference on Multimedia (MM)， Melbourne， VIC Australia， 2024.

17.Wenhao Hu， Weilong Chen， Weimin Yuan， Yan Wang， Shimin Cai， Yanru Zhang*， “Dual-Stream Pre-Training Transformer to Enhance Multimodal Learning for Social Media Prediction，” the 32nd ACM International Conference on Multimedia (MM)， Melbourne， VIC Australia， 2024.

18.Xiaolu Chen， Weilong Chen， Chenghao Huang， Zhongjian Zhang， Lixin Duan， Yanru Zhang*， “Double-Fine-Tuning Multi-Objective Vision-and-Language Transformer for Social Media Popularity Prediction，” the 31st ACM International Conference on Multimedia (MM)， New York， NY， 2023.

19.Kangshuai Guo， Zhijian Xu， Shichao Luo， Feigao Wei， Yan Wang， Yanru Zhang*， “Invisible Video Watermark Method Based on Maximum Voting and Probabilistic Superposition，” the 31st ACM International Conference on Multimedia (MM)， New York， NY， 2023.

20.Weilong Chen， Chenghao Huang， Weimin Yuan， Xiaolu Chen， Wenhao Hu， Xinran Zhang， Yanru Zhang*， “Title-and-Tag Contrastive Vision-and-Language Transformer for Social Media Popularity Prediction，” ACM International Conference on Multimedia (MM)， Ottawa， ON， Oct. 2022.

21.Xinyu Feng， Yu Gu Y， Yuming Lin， Yaojun Cai， “Exploring the Impact of Drivers' Emotion and Multi-task Learning on Takeover Behavior Prediction in Multimodal Environment，” The ACM CHI Conference on Human Factors in Computing Systems， Yokohama， Japan， 2025.

22.Yantong Wang， Yu Gu Y， Tong Quan， Jiaoyun Yang， Mianxiong Dong， Ning An， Fuji Ren， “ViE-Take: A Vision-Driven Multi-Modal Dataset for Exploring the Emotional Landscape in Takeover Safety of Autonomous Driving，” Research， 2025.

23.Xiang Zhang， Yan Lu， Huan Yan， Jinyang Huang， Yu Gu Y， Yusheng Ji， Zhi Liu， Bin Liu， “ReSup: Reliable Label Noise Suppression for Facial Expression Recognition，” IEEE Transactions on Affective Computing， 2025.

24.Yu Gu Y， Yibing Weng， YanTong Wang， Meng Wang， Guohang Zhuang， Jingyang Huang， Xiaolan Peng， Liang Luo， Fuji Ren， “EmoTake: Exploring Drivers’ Emotion for Takeover Behavior Prediction，” IEEE Transactions on Affective Computing， 2024， Vol. 15， No. 4， pp. 2112-2127.

25.Yu Gu Y， Xiang Zhang， Huan Yan， Jingyang Huang， Zhi Liu， Mianxiong Dong， Fuji Ren， “WiFE: WiFi and Vision based Unobtrusive Emotion Recognition via Gesture and Facial Expression，” IEEE Transactions on Affective Computing， 2023， Vol. 14， No. 4， pp. 2567-2581.

26.Xinran Cao， Liang Luo， Yu Gu Y， Fuji Ren， “Co-dance with Ambiguity: An Ambiguity-Aware Facial Expression Recognition Framework for More Robustness，” IEEE Transactions on Circuits and Systems for Video Technology， 2025.

27.Yu Gu Y， Huan Yan， Xiang Zhang， Yantong Wang， Yusheng Ji， Fuji Ren， “Towards Facial Expression Recognition in the Wild via Noise-tolerant Network，” IEEE Transactions on Circuits and Systems for Video Technology， 2023， Vol. 33， No. 5， pp. 2033-2047.

28.Yu Gu Y， Huan Yan， Xiang Zhang， Yantong Wang， Jinyang Huang， Yusheng Ji， Fuji Ren， “Attention-Based Gesture Recognition Using Commodity WiFi Devices，” IEEE Sensors Journal， 2023， Vol. 23， No. 9， pp. 9685-9696.

29.Yantong Wang， Yu Gu Y， Fuji Ren， “Emotion-Aware Takeover Performance Prediction System in Semi-Autonomous Driving，” IEEE Communications Magazine， 2023， Vol. 61， No. 10， pp. 70-75.

30.Xiang Zhang， Yu Gu Y， Huan Yan， Yantong Wang， Mianxiong Dong， Kaoru Ota， Fuji Ren， “Wital: A Cots Wifi Devices based Vital Signs Monitoring System Using NLOS Sensing Model，” IEEE Transactions on Human-Machine Systems， 2023， Vol. 53， No. 3， pp. 629-641.

31.Zhu Jun， Hu Jiahui， Bai Di， Fu Yan， Zhou Junlin， Chen Duanbing， “Multi-dimension rotations based on quaternion system for modeling various patterns in temporal knowledge graphs，” Knowledge-Based Systems， 2025， Vol. 311， p. 113114.

32.Sun Hongliang， Chen Duanbing， “A robust ranking method for online rating systems with spammers by interval division，” Expert Systems With Applications， 2024， Vol. 235， p. 121236.

33.Xie Zhouyang， He Tianxiang， Tian Shengzhao， Fu Yan， Zhou Junlin， Chen Duanbing， “Joint Gaussian mixture model for versatile deep visual model explanation，” Knowledge-Based Systems， 2023， Vol. 280， p. 110989.

34.Tian Shengzhao， Chen Duanbing， Fu Yan， Zhou Junlin， “Joint learning model for underwater acoustic target recognition，” Knowledge-Based Systems， 2023， Vol. 260， p. 110119.

35.Liu Jingfa， Dong Yi， Liu ZhaoXia， Chen Duanbing， “Applying ontology learning and multi-objective ant colony optimization method for focused crawling to meteorological disasters domain knowledge，” Expert Systems with Applications， 2022， Vol. 198， p. 116741.

36.Sun H L， Liang K P， Liao H， Chen D B， “Evaluating user reputation of online rating systems by rating statistical patterns，” Knowledge-Based Systems， 2021， Vol. 219， p. 106895.

37.汪航，田晟兆，唐青，陈端兵， “基于多尺度标签传播的小样本图像分类，” 计算机研究与发展， 2022， Vol. 59， No. 7， pp. 1486-1495.

38.Chen Duanbing， Sun Hongliang， Tang Qing， Tian Shengzhao， Xie Mei， “Identifying influential spreaders in complex networks by propagation probability dynamics，” Chaos， 2019， Vol. 29， p. 033120.

39.He Tianxiang， Feng Sheng， Yang Jie， Yu Kun， Zhou Junlin， Chen Duanbing， “Underwater Acoustic Signal LOFAR Spectrogram Denoising Based on Enhanced Simulation，” Applied Sciences， 2024， Vol. 14， p. 10931.

40.Chen Ai， Li Xin， He Tianxiang， Zhou Junlin， Chen Duanbing， “Advancing in RGB-D Salient Object Detection: A Survey，” Applied Sciences， 2024， Vol. 14， p. 8078.

科研获奖：

1.中国人工智能学会，吴文俊人工智能科技奖创新奖，一等奖，情感计算•人工心理的理论及其应用，任福继，王志良，全昌勤，解仑，唐益明，王先梅。

2.中国发明协会，发明创业成果一等奖，多模态情感计算与先进智能应用，任福继，胡敏，谷雨，孙晓，王小捷，李勃。

3. 四川省科学技术进步奖，三等奖，复杂网络信息过滤的理论与方法，周涛，陈端兵。

4. 中国计算机学会自然科学奖，二等奖，网络信息萃取的基础理论和关键算法研究，周涛，吕琳媛，刘建国，张子柯，陈端兵，尚明生，刘震，刘润然，周俊临，高辉，傅彦，郭强，贾春晓，刘闯。

5. 四川省科学技术进步奖，三等奖，面向工业制造的缺陷智能检测与分类关键技术及应用，周涛，陈端兵，方育柯，傅彦，李文，田晟兆。

6.腾讯犀牛鸟精英人才培养计划优秀导师，腾讯科技（深圳）有限公司，张彦如。

授权专利：

1.任福继，刘宁，全昌勤，魏希权，过往微博数据收集与处理办法，2018.03.13，中国，ZL201410254061.0

2.任福继，鲍艳伟，一种个性化人机情感会话系统，2022.02.15，中国，ZL201810584345.4

3.任福继，鲍艳伟，虞兵，一种基于深度学习的多轮情感对话方法，2021.10.19，中国，ZL201810584246.6

4.任福继，李艳秋，胡敏，侯登永，王家勇，余子玺，郑瑶娜，多方向SLGS特征描述及性能云加权融合的人脸识别方法，2019.02.12，中国，ZL201610356577.5

5.任福继，李艳秋，胡敏，许良凤，侯登永，郑瑶娜，余子玺，一种多特征描述及局部决策加权的人脸识别方法，2018.10.02，中国，ZL201610048294.4

6.任福继，刘宁，全昌勤，华磊，指定地域微博数据收集与处理方法，2018.05.04，中国，ZL201410254030.5

7.全昌勤，任福继，王丽娟，鲍艳伟，刘宁，一种情感标注系统的构建方法，2016.08.31，中国，ZL201310689825.4

8.全昌勤，任福继，刘宁，一种情感词典建立与情感计算方法，2018.02.06，中国，ZL201410254058.9

9.谷雨，任福继，权良虎，陈孟妮，基于WIFI背景噪音的被动式两人行为识别方法，2017.01.04，中国，ZL201410209856.X

10.孙晓，陈炜亮，任福继，基于深度学习的多模态融合的歌曲情感识别方法，2019.07.19，中国，ZL201610625990.7

11.孙晓，陈炜亮，李承程，任福继，一种面向人机交互的多类信息耦合的情感识别方法，2017.05.17，中国，ZL201410482861.8

12.葛鹏，胡敏，王浩文，王晓华，任福继，基于局部强化运动历史图和递归卷积神经网络的视频情感识别方法，2020.03.17，中国，ZL201910181136.X

13.孙晓，孙重远，高飞，叶嘉麒，任福继，一种多模态的非接触情感分析记录系统，2016.10.26，中国，ZL201410334275.9

14.孙晓，唐陈意，叶嘉麒，李承程，任福继，基于CRFs和SVM的产品评论细粒度情感要素提取，2017.03.15，中国，ZL201310686738.3

15.陈端兵，高辉，傅彦，张博. 一种聚焦爬虫的设计方法.2015，中国， ZL201210484746.5

16.陈端兵，蔡俊卿，傅彦，周俊临. 一种电话通信网络中节点敏感性排序的方法. 2020，中国，ZL201710343054.1

17.任福继，超函数机器翻译方式，空，日本，229443

18.任福继，范莉馨，中国语复合词自动合成装置，空，日本，229439

19.陈端兵，杨柳，傅彦，周俊临. 一种基于关键词的主题网络爬虫设计方法. 2020，中国，ZL201710011216.1

20.胡敏，王晓华，任福继，江河，黄忠，朱弘，李堃，陈红波，孙晓，一种基于人脸表情图像的局部特征表征方法，2017.01.11，中国，ZL201410124017.8

出版著作：

1.Fuji Ren， Kazuyuki MatsumotoAffiliated withTokushima University Email author， Chapter VIII Natural Language Processing Capabilities Required for Humanoid Nursing Robots in Nursing Robots， ISBN978-4-86186-689-0， Fukuro Shuppan Publishing， March， 2017

2.Kazuyuki MatsumotoAffiliated withTokushima University Email author， Fuji Ren， Minoru Yoshida， Kenji Kita， Refinement by Filtering Translation Candidates and Similarity Based Approach to Expand Emotion Tagged Corpus， Volume 631 of the seriesCommunications in Computer and Information Science pp 260-280， 22 January 2017

3.Advanced Intelligence， Zhongzhi Shi， Ben Goertzel， Fuji Ren (Eds.)， Tsinghua University Press， 164 pages， 2010.

4.Advanced Intelligence， Fuji Ren， International Advanced Information Institute， 200 pages， 2008

5.Artificial Intelligence and Affective Computing， Fuji Ren， Yixin Zhong， Shingo Kuroiwa， Satoru Tsuge， International Advanced Information Institute， 202 pages， 2007

6.人工知能，任福继，中国科学出版社，2006

7.Yanru Zhang and Zhu Han， “Contract Theory for Wireless Networks，” Springer， Wireless Networks Book Series.

8.尚明生，陈端兵，高辉，佘莉. 舆情信息分析与处理技术. 科学出版社，2015

9.赫里斯托斯·法鲁，达奈·库特拉(著)，李艳丽，陈端兵，谢文波，周涛译，单图及群图挖掘(原理算法与应用). 机械工业出版社， 2019

【联系方式】

团队联系人：贾卓颖联系电话：18735028678

电子科技大学先进智能实验室的情感计算研究之路：突破AI“无人区” 打造有温度的机器人

在人工智能的赛道上，中国正从“追赶者”向“引领者”转变。当全球聚焦于大模型、自动驾驶等热门领域时，一个更具挑战性的“无人区”正悄然成为国家战略的焦点——情感计算。赋予机器“情商”，让它们理解人类的喜怒哀乐，不仅关乎技术突破，更关乎未来人机共生的社会图景。2014年，中国开始系统性布局情感计算研究。10年间，从实验室的理论突破到情感机器人的雏形落地，中国团队已在国际舞台上崭露头角。尤其是电子科技大学先进智能实验室，在任福继院士的带领下，正积极迎接这条赛道的巨大挑战：如何让情感机器人真正走进家庭、医院和课堂？如何平衡创新与伦理？

这是一场关乎技术、产业和国家竞争力的全新探索。中国能否在AI的“情商竞赛”中占据制高点？答案或许藏在任福继院士等科学家们的家国情怀、众多企业的务实落地，以及国家对“无人区”的前瞻布局之中。

大模型与先进智能机器与时代共舞

近年来，国家高度重视数字化和数字经济发展，将“数字中国”上升为国家战略。从党的十八届五中全会“实施网络强国战略和国家大数据战略，拓展网络经济空间，促进互联网和经济社会融合发展，支持基于互联网的各类创新。”到党的十九大强调“推动互联网、大数据、人工智能和实体经济深度融合，建设数字中国、智慧社会。”再到党的十九届五中全会提出“发展数字经济，推进数字产业化和产业数字化，推动数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。”乃至2021年12月国务院印发《“十四五”数字经济发展规划》，从国家层面部署推动数字经济发展。政策层层推进，数字化内涵不断深化——从信息化迈向智能化、智慧化，最终指向数字文明。而这一进程的关键催化剂，正是元宇宙。

超世界模型元宇宙是任福继院士提出的全新概念，即虚实相生的网络世界。他认为，元宇宙与先进智能是塑造数字世界的核心。《福布斯》也很早就预测了2023年塑造数字世界的八大新兴科技趋势，与元宇宙、先进智能密切相关。

任福继院士曾先后任职于日本CSK研究员、美国新墨西哥州立大学访问教授、日本国立德岛大学教授、佛罗里达国际大学客座教授、哈佛大学访问教授、日本国立德岛大学智能工程系主任、研究生院长、信息决策部门长。国家特聘专家、长江学者奖励计划讲座教授、海外杰出青年学者基金获得者、中国人工智能学会名誉副理事长、中国科协海智专家、国务院侨办科技专家咨询委员。他曾与诺贝尔奖获奖者高锟、美国商务部长骆家辉等被全球150家媒体评选为“2009年全球华人十大新闻人物”的前三名。他的跨领域成就，印证了中国在智能科技领域的国际话语权。2021年11月18日Nature子刊信息，他在情感计算领域（2016—2020年）排名全球前三位；2022年12月9日发布的《情感计算白皮书》信息，他位居“情感计算领域全球典型学者”榜首；其团队更被国际同行评为“超越欧美先驱”。

目前，大模型的“涌现能力”为元宇宙提供了交互基础。GPT-4等工具虽非真正意义上的通用人工智能（AGI），但其多模态、自我进化的特性，已初步实现“察言观色”。例如，大模型已经展现出了颇具爆破的潜在能力，包括为人类提供多语言多功能多媒体智能工具；为人类提供世界知识及创造对人类有用的内容；为人类与大语言模型之间提供了符合人类习惯的交互方式；具备了自我学习以及自我进化的能力；即将具备察言观色并可能给人类洗脑的潜能等。与情感计算结合后，或将彻底改变人机交互模式。

虽然目前的大模型到达不了真正意义上的（通用人工智能AGI）智能系统巅峰，但元宇宙与大模型的爆发，不仅带来技术革命，更引发深层思考：如何平衡智能工具的潜能与伦理风险？任福继认为：中国在情感计算等“无人区”的布局，或将成为塑造数字文明的关键答案。

多领域研究为情感计算铺路

在开展情感机器人研究之前，任福继团队已经在人工智能研究领域取得众多突出成果，包括在人文旅游、数字化复现、政务服务、电商客服等领域的人工智能技术，在国际上享有盛誉。

众所周知，随着网络信息技术越来越发达，人们的衣食住行越来越便捷。尤其是喜欢旅游的人们，总喜欢通过网络做旅游攻略。然而，当前的现状是旅游攻略平台分散，用户往往需要通过搜索引擎，出行App（携程旅行、去哪儿旅行）、分享App（小红书等多种渠道）获取旅游相关资讯。不仅效率低、费时间，还会出现数据不全面、语言问题等难题。

针对这一现状，任福继团队基于预训练大模型基座、自研的深度学习框架、NLP算法，结合旅游场景，进行模型搭建完成用户对话的商机自动提取，研发了多模态垂直领域大模型。该模型能为客户提供专业的答复和引导，在交互过程中挖掘客户需求，根据客户需求制定计划表。该模型不仅能提高响应速度和效率（快速回答用户问题、等待时间缩短），还能提升用户交互体验（交互流畅，提供更加便捷和人性化的客户服务）。

另外，通过研究，任福继团队还对北魏佛窟场景进行了数字化复现，为实体佛像进行三维建模。他们以时间线为轴，创作“子牙百年生平图”，以长轴画卷的方式展开姜子牙跌宕起伏的人生故事。

针对大众不熟悉的政策和法律法规，遇到政务服务相关问题时找不到咨询入口，资料准备不齐，一件事跑好几遍；政府咨询量大，人手不足，人员能力素质不一，办公效率低，民众满意度低、投诉多等问题，任福继团队给出了监督微调方案，即利用政务咨询聊天记录来微调预训练的大语言模型，以应对各种查询；奖励模型微调，即利用人类打分的数据集来训练独立的奖励模型；RLHF训练，即利用PPO算法，根据奖励模型的奖励反馈进一步微调模型。

该模型实现了信息自动回复，且如真人客服般自然、流畅、有温度的对话；针对群众明确且可以解决的问题，为群众提供准确无误的答案；如群众有问题但描述不清，或者属于疑难问题，引导并帮助解决问题；取代目前政务柜台、社区服务和政府热线接线员的大部分工作。该模型不仅为群众提供更方便、快捷的便民服务通道，实现群众和政府的高效平等沟通，提高群众的办事效率和体验，还提升了政府解决问题的速度和服务质量，减少了群众投诉，大大节省了人力成本。

针对各行业客服用户数量众多，每天涌入大量的咨询和投诉，难以确保及时响应用户需求；用户遍布全球，售前售后智能客服需要支持多种语言，难以方便不同语言背景的用户进行咨询和投诉；上千万条客服聊天记录，未对营销端、客服端、用户端等提供帮助，服务营销及服务质量监管等问题，任福继团队基于预训练大模型基座、自研的深度学习框架、NLP算法，结合业务场景协助业务部门制定标准化的标签标准，对每类对话进行词性分析、相似度计算、主干提取等分析，进行了模型搭建完成用户对话的商机自动提取。

该方案实现了信息自动回复、商机自动提取，无须人工干预；数据分析强，提取用户需求，优化产品和服务；保证了针对营销端商机推送的实时性、准确性；客服服务态度监测，提升了用户满意度。

另外，任福继团队在自然语言处理方向，构建起高效的知识抽取与检索增强生成（RAG）模型，大幅提升信息处理效率；创新研发党建材料、施工方案、辞典编撰等智能辅助撰写系统，以技术赋能多行业内容生产。在民生服务领域，团队打造的家庭健康管家、养老服务机器人，实现了智能健康监测与人性化服务的有机结合；基于毫米波雷达的生理状态监测技术，更以非接触式感知保障生命体征数据的精准采集。在公共安全领域，自主研发的智能协同机器人，有效解决了复杂场景下的应急响应难题。这些成果不仅彰显了团队在先进智能技术领域的深厚积累，更为人工智能行业的发展注入了新动能，持续推动智能技术向更广泛、更深入的应用场景拓展。

以先进智能为核心攻克世界难题

随着任福继团队在人工智能领域研究的不断深入，他发现，目前人工智能领域面临的复杂环境下的感知偏差、海量数据处理的算力局限、人机交互中的语义鸿沟，以及信息可视化时的认知割裂等技术瓶颈，已经成为制约其发展的核心阻碍。在此背景下，他带领团队成员以先进智能为核心，聚焦“感知、计算、交互、展现”四大关键层面，深入开展了关键技术的研发与应用，成功攻克“高门槛、低智能、弱人机协同”等行业痛点，形成多个国际领先的研究亮点，实现技术突破与创新应用的深度融合。

首先，基于大规模自然人机交互数据库，任福继等人以人类情感演变规律为规则约束，建立了面向自然人机交互的多模态智能感知机制。它包括多模态感知，即基于多模态融合感知计算模型实现对人类操作、行为和情感等交互意图的感知与理解。基于情感交互的心理健康感知与计算，从工程角度确立了对心理健康进行感知与计算的理论和方法。

其次，基于情感交互的心理健康感知与计算技术，针对元宇宙渲染难题提出实时云渲染技术。它主要包括情感计算，大语言模型，大模型、对话系统的安全伦理与风险研究等。

在情感计算的研究中，任福继和团队成员首次提出心状态转移网络理论，使情感计算在工程上可实现；提出了超函数概念及其理论，并被广泛应用于情感识别、语音识别、图像处理等领域。依托该技术创新，建设了全球最大中文情感语料库，并授权国内外超过288所大学或科研单位开展研究应用；并建设智慧型互动媒体“CAIWA频道”；世界首台跨语言情感日中机器翻译系统“孙悟空”。

大语言模型的创新点体现在：它提出了“多语言多功能多媒体（MMM）智能系统”全新概念；提出了“家族模型”，开辟了自然语言处理、机器翻译并行处理新领域；提出了词汇词义计算和文本倾向性技术，数次国际会议最佳论文奖。该成果很好地服务了国家重大需求。例如，国家自然科学基金重大项目：社会网络的结构演化分析及其在舆情和疫情预警及控制中的应用、大规模信息传播和情感倾向的实证与分析；国家科技部“863”计划：Web舆情的社会网络关系挖掘；教育部人文社会科学研究重大攻关项目：网络算法分发模式与大学生价值观引导研究；中央军委科技委国防科技创新特区项目——情报机器人：基于多源数据和人工智能预见和发现颠覆性科技成果与领军人才。联合长虹集团情感与认知联合实验室、星河视效视频大模型联合实验室、四川传媒学院，该成果被应用于长虹家庭健康管家（数字中医大模型、健康养生咨询大模型）、智能客服（方太集团用户对话智能商机识别机器人、抖音销售平台售前售后客服、政务服务大模型）、办公助手（宁德时代行业文档助理、万方数据期刊报刊论文智能归档机器人、国网技经项目审核助理）、多模态大模型（农业病虫害识别与诊断、肺部图像识别与诊断、气象预报撰写；社会网络舆情分析：成都市武侯区舆情管理平台、世界首台跨语言情感日中机器翻译系统“孙悟空”）等，社会效益显著。

在大模型、对话系统的安全伦理与风险研究中，任福继团队主要以推进对话系统的安全部署为最终目的，研究人机对话中的安全伦理问题。他们从毒性言论、偏见言论、敏感话题等方面对对话系统的安全伦理风险进行自动检测和管控，可以对模型或人们的言论进行较为合理的安全性筛查和评估。对生成式语言模型生成的攻击性语言进行评估与触发检测，显示不同关键词在生成式语言模型中生成攻击性言语的概率。

另外，任福继团队针对元宇宙弱人机协同问题，提出人机情感交互技术，优化情绪感知和识别、共情表达、情绪支持等情感交互能力。其中，人机情感交互主要研究情感对话系统的关键技术，优化当前对话系统的情绪感知和识别、共情表达、情绪支持等情感交互能力，显著改进对话系统用户交互体验和拟人化水平，推进其在智能客服、社交陪伴、心理疏导等多场景下的使用。

最后，任福继团队以情感智能为基础，结合人工智能与自然智能，在数字人、智能机器人、XR虚实融合等方面形成核心技术。其中，元宇宙核心算法平台——AI数字人驱动平台，主要开展情绪识别、口型驱动、表情动作变化等AI数字人驱动技术研究。基于情感交互网络理论、自然语音生成方法、自然表情动作生成方法等，实现数字人面部表情驱动技术和姿态驱动技术，推动数字人产品的快速落地。

任福继团队还研究了三维场景重建平台，他们利用3D扫描仪获取物体表面的点云数据，通过点云处理软件进行数据处理和三角网格重建。该技术适用于数字资产扫描、游戏+元宇宙数字文旅等场景。

通过搭建智能机器人研制平台，任福继团队设计了高仿机器人头颈、臂、躯干等关键功能单元；单元建模及运动映射；建立基于视、听、力觉的目标跟踪，手臂交互行为的机器人智能控制技术研究。研究突破了机器人关键技术，有力地推动了智能机器人行业发展。

“三人”共舞共建和谐未来

清华大学发布的《元宇宙发展研究报告3.0版》显示，2021年，虚拟数字人核心产业规模约为336亿元，年均增长率31%，预计2025年产业规模为998亿元。截至2022年10月，虚拟数字人领域融资数量近百起，金额约120亿元。另有市场预计，到2026年，中国AI数字人市场规模将达到102.4亿元，到2030年，我国虚拟人整体市场规模将达到2700亿元，市场将呈现高速增长态势。在此背景下，全国各地政府开始元宇宙“抢滩”布局，全国15个省级行政区下辖城市已发布元宇宙专项支持性政策，武汉、合肥、上海已将元宇宙写进政府工作报告，这也让任福继对元宇宙的未来充满信心。

任福继表示，数字人是元宇宙的“原住民”，是指通过计算机图形渲染、动作捕捉、深度学习、语音合成等技术，打造的具有数字化外形、存在于非物理世界中的虚拟人物。它在一定程度上能复制人类的知识、情感、记忆、思维。未来，自然人·机器人·数字人“三人”共舞或将有力促进社会的和谐发展。

任福继认为，“三人”共舞将广泛应用于康养行业。因为基于机器人及数字人的情感交互能力，对长者产生陪伴和关怀，在情绪管理、心理治疗上有积极作用。因此，机器人+数字人+老龄康养=新业态。这种新业态能够实现实时陪伴，融入老年人生活的方方面面，成为老年人形影不离的好伙伴。它是生活助理：提醒老年人吃饭、吃药、睡觉等生活琐事，实现科学健康管理；它可以进行沟通交流：增强陪伴，让老年人不再孤单；它可以扩大宣传渠道：宣传政府防诈骗教育信息，加强预防老年诈骗事件发生。

“三人”共舞还将应用于大教育，虚拟教学场景中，让学生具有跟老师一样的空间立体想象能力与逻辑思维能力。实践动手方面：基于XR与数字孪生技术，解决实训设备昂贵、耗材成本大、安全隐患多、无法人手一机等难题，提升实训效果。艺术鉴赏方面：通过数字模拟场景学习人文历史、自然风情、风俗教化等知识。

在人工智能深度渗透各行各业的时代浪潮中，自然人、机器人、数字人协同发展已成为必然趋势。面对情感计算这一世界性难题，以及国计民生领域对“情感计算+先进智能”技术的迫切需求，任福继团队正在积极筹备电子科技大学任院士团队元宇宙中心的建设，并以类脑多模态感知与情感计算平台为核心，致力于构建具备智能感知、虚实交融与情感交互能力的“三人”情感交互系统。从大学校园导航机器人到情感机器人的探索历程，团队始终以共享心脑理念为指引，融合大模型世界知识与先进智能情感交互技术，推动机器人、数字人实现自我进化。未来，团队将持续深耕“讲事实、传知识、辨真伪，做交互、识情感、深推理，生情感、展个性、表情感，自学习、共进化、促共存”的技术路径，真正实现“三人”共舞，突破AI“无人区”，让人工智能技术深度融入家庭与社会，打造有温度的机器人，为行业发展与社会进步注入强劲动能。

来源：中国高新科技 2025年 23期封面人物

“大白”追寻之路——访合肥工业大学先进智能机器研究院院长任福继

2019年03月18日

任福继，日本工程院院士，欧盟科学院院士，日本工程会院士，IEICE Fellow。教育部“长江学者奖励计划”讲座教授，中科院“海外杰出青年学者基金”获得者，国际特聘入选者。日本大川信息通信基金评审专家，中国科协海智专家，中国国务院侨办科技专家委员。

主要研究领域包括：自然语言处理、多语机器翻译和信息检索；大规模知识获取和人机会话；情感计算与智能机器人。

看完电影《超能陆战队》，每人都想拥有一个暖心“大白”。现在看来，拥有这样一个善良、体贴、有情有义的智能机器人，已经不再遥远。人机共生，这个曾经只出现在科幻小说和电影中的场景，正在走进我们的生活。

合肥工业大学先进智能机器研究院院长、情感计算与智能机器人安徽省重点实验室主任任福继，就是一位潜心情感机器人研究的专家。他倾心追寻“大白”近20年，已在人工智能，特别是情感机器人领域取得了颇为显著的成绩。自受聘为合肥工业大学先进智能研究院院长后，他与国内有了更多的交集与碰撞。

因为他的影响力，引领和带动了他培养的不少优秀博士生的回归，使得我国在情感机器人研究领域短期内达到了世界先进水平，并在文本情感计算、情感陪护机器人领域成为世界领头羊。

“大白”应如何

把机器人从一个工具变成一个“伙伴”，是任福继开始从事情感计算与情感机器人研究的初衷。

那是2001年前后，任福继在日本德岛大学任职教授。此前，他曾求学于北京邮电大学、中科院计算机所、日本国立北海道大学等高校院所，并在一些公司从事计算机相关研究，在自然语言处理和人工智能研究领域积累了丰富经验。

比如他曾在1999年提出“多语言、多功能、多媒体智能化”的概念，引起自然语言处理和人工智能领域专家的广泛关注，并获IEEE best paper奖。这些都为他之后关于情感机器人的研究打下了基础。

“那时，我除了在大学外，也兼任一些公司的技术顾问，开始对情感计算与情感机器人有了兴趣。”任福继介绍，情感计算这一概念，在1997年由麻省理工学院（MIT）一位教授提出。情感计算的目的是通过赋予计算机识别、理解、表达和适应人的情感的能力来建立和谐人机环境，并使计算机具有更高、更全面的智能。

但情感是多么主观的存在，喜怒哀愁、七情六欲，人与人的交流有时都会不畅，更何况机器。情感要怎样计算？要如何量化成机器可以理解并表达的数据？真正的情感机器人又应该是怎样的呢？

在任福继看来，除了硬件结构的不断发展，真正的情感机器人还应该拥有以下关键技术能力——基于大数据库自主学习的多源视听信号融合感知能力；多模态情感的融合分析与推理能力；多模态情感的表达与交互能力；具备个性化情感建模能力。

简单来讲，就是让机器人能够感觉到人的情绪、了解人的情绪，并能够根据这些情绪做出正确的反馈。

情感机器人发展的最终目标，是实现“自然”的人机交互，而其首要任务就是让机器人具备情感交互能力，即让机器人像人一样具备情感表达和理解能力。这并不是一件容易的事。

“给机器人装大脑，给机器人制造心，这个大脑和心怎么进行？我们用先进智能理论，用人工智能、自然智能+情感计算，以此来制造出智商。同时提出数据、信息、知识、智能大转换，转换过程，这样就可以制造它的情商，反馈给我们的大数据，包括面部表情、声音、语言、生理信息大数据，最终形成一个反馈，成就静态的进化过程。”多年来，任福继就是沿着这样的研究思路，明知难为仍为之。

情感陪护机器人“思思”

任福继版机器人

里奥儿童陪伴机器人

里奥商务机器人

让“大白”有情有义

为了研制出有情有义的“大白”，任福继确立了大数据驱动的情感协同感知、推理与交互的总体研究思路，并定下了自己的“三步走”战略——

第一步，把情感形式化、量化，让机器人能够识别，具备感知能力，会“看”。

第二步，构建一个足够大的情感语料库，让机器人不断学习，进而具备分析、推理能力，能“懂”。

第三步，机器人在不断学习之后，能对不同场景、不同语境中话语做出正确反馈，及至可自然“交流”。

三步之后，一个有情有义的“大白”便初具形制。初步完成这三步，任福继建立了情感计算领域三大机制（面向多源大数据的类人智能感知机制、面向情感交互的多模态协同分析与推理机制以及大数据驱动的情感创生与交互机制），前后用了20年，而近5年在多源感知、深度推理、情感创生等领域发表的200余篇高质量论文记录了团队前进的每一步。

“看到”包括识别，感知。要让机器人“看到”情感，首先要把情感量化、形式化。为此，任福继在世界上首次提出了“心状态转移网络”理论，使情感计算在工程上得以实现。

在心状态转移网络中，人的情感分为N个状态，各状态都可以在外界刺激（即情感能量）下互相转移，状态转移的概率与前一状态及情感能量的强度有关。

基于此，他们根据文本、语音、面部表情、生理信息和行为5种信息，计算出每一个时间点的情感能量。当心理调查规模足够大、数据足够多，他们就可以计算出不同状态在不同情感能量刺激下做出转移的概率，得出不同情感的状态转移规律，从而建立并完善心状态转移网络参数模型，进而推断情感。

以这一理论为出发点，他们进一步研究了情感语义分析与表达，构建了情感语义计算的理论和技术体系，使得情感语义计算建立在坚实的理论基础上。

“看到”之后是“懂得”。人类的语言丰富多彩，为了让机器人“见多识广”，具备自主深度学习能力，任福继带领团队构建了世界规模最大、层次最多、粒度最细的情感语料库Ren-CECps，在中文的语义基础资源建设、知识表示、知识获取、语义分析技术以及文本理解等方面取得了创新性成果。

Ren-CECps，是一个富含多层次语义信息的大规模汉语基础资源库和知识库，以文本情感表达的空间模型为框架，从多粒度（篇章、段落、句子、词语）、多角度（各粒度的多维情感类别、篇章主题、句子情感、情感对象等），采用自动标注与人工校验相结合的方法构建。

它的标注体系分为文本层、段落层、句子层三个层次，每一个层次都包括不同的情感标注信息，层层架构，形成了体现中文信息处理特色的语义信息处理体系。

在现有数据库基础上，综合机器学习和人工检校技术构建的大规模情感语义库词规模超过3千万。截至目前，已授权东京大学、哈佛大学、香港理工大学等国内外近300所高校及研究机构用于情感识别的研究。

最难的一点，人类的情感表达不止靠语言，还凭借语音，还有个性。语音不同传递的情感不同，还会根据不同人的个性化表达衍生出不同的意义，而且人的情感状态会伴随交流的推进发生变化，极其复杂。任福继介绍，这其中涉及到了多模态情感语义协同计算机理、多维度情感状态应激转移机制、多场景情感行为生成表达模型等科学问题。

心状态转移网络

围绕这些问题，团队进行了深入研究，在无数次的尝试与实验之后，才最终攻克了情感感知由单模态到多模态协同、情感状态由静态到动态转移、情感表达由仿真到系统实装等技术难点。

同时，他在国际上率先提出了融合人工智能、自然智能及情感计算的“先进智能”概念，从更高层面引领相关研究的推进，并得到了国内外学术前辈的支持和积极响应。

最终，基于心状态转移网络理论、多模态情感计算理论与先进智能理论，任福继带领团队搭建出了具有自主知识产权的中文情感语义计算系统，使情感机器人有了与人一样的“心脑”，能够进行情感交互。

这一步，真正将情感机器人推向了产业化进程。“从系统层面，情感机器人的实现需要四大条件，一是大规模、多模态、高质量的数据，为情感机器人技术发展奠定知识基础；二是基于先进智能理论的情感计算理论模型，为情感机器人技术发展装备‘心脑’模型；三是先进且较完备的深度学习算法，推动情感机器人技术实现；四是用于支撑上述三个方面的硬件支撑，如强大的计算能力。”任福继介绍，上述四个条件已基本具备，情感机器人的实现已真实可期。

身边的“大白”

其实机器人技术最早是工业领域的，他们在实现业务流程自动化、提高生产力方面，发挥了非常积极的作用，如今应用也非常广泛。

伴随相关技术的不断发展，机器人的应用边界得以拓展，机器人技术已经从传统的工业制造领域，逐步向生物医疗、教育娱乐、救灾救援等领域扩展。难得的是，任福继所带领的团队在工业机器人与服务机器人两方面都已取得了不错的产业化成果。

•基于先进智能的工业视觉检测技术体系

南京汇川工业视觉技术开发有限公司总经理李勃

李勃，南京汇川工业视觉技术开发有限公司（以下简称“汇川视觉”）总经理，他还有一个身份——任福继的学生+助手。他们合作多年，从学校到企业，从老师和学生转变为首席科学家和总经理，目的就是推动基于先进智能的工业检测技术落地应用。

如今看来，他们做得还不错。

2016年，汇川视觉成功自主研发“基于深度学习的全流程灌装缺陷视觉检测系统”，填补了深度学习在灌装缺陷检测领域的空白。该产品创新的采用深度卷积神经网络等技术，具有多类目标定位、目标识别和缺陷检测功能，覆盖灌装生产线瓶口、瓶盖、标贴、喷码和装箱等全部关键质检环节，能够解决灌装缺陷检测面临的品种多、瓶型多、干扰多、形变大、参数多、调试复杂等棘手问题，在兼容性、易用性、高效性、准确性等指标方面相比于行业水平和传统方法都有大幅提升，基本实现“0”漏检，误检率<0.1%。具有显著的经济效益和社会效益。

2017年，他们又成功研发了“基于深度学习的屏幕缺陷检测系统”，创新性运用深度学习技术，采用良品学习模式，让机器仿真人类认知，大大提高了系统的检测性，所有缺陷的漏检率<0.5%，误检率<8%，新型号实现1h内换型。

2018年，国内首创的“机器视觉+人工智能深度学习”融合的视觉控制器麒麟IV700发布，采用“传统图像处理+人工智能”深耦合技术，让机器不但能看清而且能看懂，让机器像人一样思考。基于平台中的工具，可轻松构建解决实际问题的作业工程，获得软件加硬件的一体化解决方案，大大降低了视觉应用的门槛，使普通工程师、技术员也能轻松完成视觉现场应用，让深度学习技术更方便地覆盖到更多应用场景，推动了人工智能技术在工业自动化领域的广泛应用，也为国内工业视觉企业在视觉技术上弯道超车开辟了新的方向。

走到今天，他们已经以基于先进智能的工业检测技术为核心，开发了一系列工业视觉检测产品，形成了一整套基于先进智能应用的工业视觉检测技术体系，为我国先进智能应用，工业视觉检测的理论研究、技术应用、系统实现及产业化发展提供了技术保障。同时，相关技术和产品的应用为客户节约了人工成本，为产品全生命周期的质量追溯提供了支撑，减少了高强度灯检给人眼带来的视觉疲劳和损伤，经济效益与社会效益显著。截至2017年底，项目成果联合汇川技术的其它产品，共创造经济效益47.8亿元，直接利润10.6亿元。

2018年10月，被誉为“中国智能科学技术最高奖”的吴文俊人工智能科学技术奖最新一届拟授奖名单公布，南京汇川图像视觉技术有限公司荣获“企业技术创新工程项目”奖项。这一奖项的取得，无疑是对任福继、李勃以及汇川视觉的最大肯定与鼓励。

•基于先进智能的机器人们

这个有点呆头呆脑的机器人叫“里奥”，身高40cm，是任福继与青岛里奥机器人技术有限公司合作推出的产业化产品之一。

这个“里奥”不简单，它能够实现精准语音识别与智能对话、情感感知等功能，是针对4～12岁儿童智力启蒙、性格塑造的关键阶段研发的儿童成长陪伴机器人，还曾首次出口到机器人先进国日本。

人们都说，陪伴是最长情的告白。对于成长期的儿童来说，陪伴的重要性不言而喻，而有情感的陪伴更会对孩子的一生产生影响。

先进的加工检测设备

里奥就是为了有情感的陪伴而出现。任福继团队前期的研究成果，使它具备了情感交互能力和自主学习能力，为它赋予了感情，能够满足孩子的心理需求。

目前里奥已拥有成熟的机器人本体、机器人智能操作系统、云端服务平台。并已经获得关于直线运动型伺服电机、三线制直流电机、座椅式充电装置、识图识物系统、基于安卓的机器人控制系统等9项专利权。

除了儿童陪伴，任福继还将自己的成果在心理康复领域进行了验证，并研发出了高级交互式代步机器人。

该机器人不但具有高可靠性和安全性，同时还具有一定程度的智能化和自动化，可实现室内外自主定位导航、语音控制、人机自然语言情感会话、自主充电、头姿/手势控制等功能，可以在家庭和医疗场所对老年人进行陪护，并对特定病情（孤僻症和抑郁症）有辅助康复作用。

基于先进智能的高级交互式代步机器人，荣获2014年吴文俊人工智能科学技术奖进步奖三等奖。

南京汇川麒麟产品发布会现场，麒麟研发团队主要成员合照

未来之路

无论意愿如何、欢迎与否，机器人已经实实在在走进我们的生活，扫地、擦窗、早教、养老，是最常见的几个应用场景。但是，能对话有回应的机器人，就是真正的智能机器人了吗？他们足够成熟了吗？

不尽然。

正如任福继所说：尽管大数据应用技术已成为现实，但关于它的实际应用并不充分，尽管很多研究者都已经在工业机器人、服务机器人等领域取得一定的社会和经济效益，但它们的功能仍有待完善，应用范围仍有待拓展。

基于此，任福继已经规划好了团队的下一步研究方向——

他们将继续以先进智能为导向，以情感计算为核心与特色，以先进智能机器为载体，开展情感计算与先进智能机器的研究。“主攻面向多源大数据的类人智能感知机制、面向情感交互的多模态协同分析与推理机制以及大数据驱动的情感创生与交互机制等重大科学问题的理论研究、技术突破及系统实现。”

在大数据方面，“目前，大数据驱动与深度机器学习方法的实际应用还不充分。现有的大规模、高质量多源情感语义数据库及积累的深度机器学习方法，为进一步探索基于多源大数据库和深度学习的多源视听融合感知技术实现理论奠定了基础，后续将为基于多源大数据库和深度学习的情感服务机器人、工业机器人系统等提供理论与技术支撑。”

在产业化应用拓展方面，“有必要立足既有项目成果在完善多模态情感计算理论与技术体系的同时，重点发展先进智能机器核心技术，将智能机器人（情感服务机器人、工业机器人等）作为核心应用点和主战场，拓展其功能和应用范围。”

人类情感的最美妙之处在于其不可预知无法揣测，机器人的情感终究是由人设计的。从这个意义上来说，情感机器人还有很长的路要走。但我们仍满怀期待，期待真正的“大白”早日来到我们身边。

来源：科技创新与品牌

引领机器人产业革命新时代
——记日本工程会首届院士、合肥工业大学先进智能机器研究院院长任福继

摘要：早在2000年, 任福继就敏锐地意识到随着工业机器人在医疗、生物制造等多领域的广泛应用, 未来工业机器人势必会由工业制造向智能服务迈进, 而服务机器人也并非只是机械地帮助人们洗衣、擦地, 而是能与人类进行“情感”交流, 甚至是无障碍“对话”。

近年来, 在计算机技术、MEMS技术等的推动下, 机器人开始由传统工业制造领域迅速扩展到医疗生物、矿产勘探、教育娱乐、救援救助等多个领域。“冷冰冰”的工业机器人, 开始有了性质上的转变, 智能服务机器人渐渐“抬头”。在2015年刚刚召开的世界机器人大会上, 众多智能情感机器人的亮相无一不彰显着机器人的未来走向。

“问世间情为何物?直教人生死相许……”《一席》节目讲坛上, 一位身穿白衬衫、西服裤的学者略显神秘地吟诵着。“情感计算与智能机器人”的演讲序幕缓缓拉开。

光影中的主讲人就是十多年来“痴迷”于机器人研发的任福继教授, 2009年他就作为唯一的华人学者被遴选为日本工程会首届院士。

“直教人生死相许的, 不仅仅是人, 还有我们的机器人。我就是要让机器也具有情感……”任福继边说边点击了下播放器, 讲坛的大屏幕上出现了一个与之相貌相似的机器人向着观众招手, “女士们先生们, 下午好!欢迎大家来到一席堂”。

其实, 早在2000年, 任福继就敏锐地意识到随着工业机器人在医疗、生物制造等多领域的广泛应用, 未来工业机器人势必会由工业制造向智能服务迈进。而服务机器人也并非只是机械地帮助人们洗衣、擦地, 而是能与人类进行“情感”交流, 甚至是无障碍“对话”。

认知情感开启情感机器人的探索之路

上世纪80年代, 日本工业机器人的应用在世界上占比高达三分之二, 直接把日本国民生产总值拉到世界第二。进入90年代后, 日本企业巨头、政府高层及科研工作者开始更深层次的设想, 那就是“将机器人导入到家庭”。但接下来的大量实验研究表明, 现代智能机器人基本能按人的指令完成比较复杂的工作, 如深海探测、作战、侦查、搜集情报、抢险、服务等工作, 模拟完成人类不能或不愿完成的任务, 或者采用接近于人体皮肤的工业制品, 打造外表与人无异的机器人……可是机器人始终并不能够成为家庭中的一份子。

也是在这一时期, 在日本人工智能领域从事研究工作的任福继, 在国际上首次提出自然语言处理、自然语言理解的“超函数”理论, 并将该理论成功应用到“多语翻译”领域, 荣获日本自然科学源内奖。他把智能科学进行细分, 提出“多语言、多功能、多媒体智能化”概念, 创建了一个崭新的学科领域。同时, 他也在密切关注着机器人技术的发展动向。

在智能科学领域上的卓越成就, 让任福继成为日本各大学会交流会议广泛邀请的对象。一次偶然机会, 他接触到了情感计算的概念。这让本身就拥有人工智能领域丰富研究经验的他, 接受得非常快, “情感原来可以用来计算, 通过计算居然可以模拟出情感”。

这时的任福继迅速意识到“若让机器人走进家庭, 就必须让它与人在精神层面上交互”。他认为, 从人的进化层面来讲, 直立行走、使用语言、具备情感及思考力, 是区别于其它动物的主要特征。而目前所生产应用的工业机器人没有情感, 只是一架架冷冰冰的机器, 只有人形躯壳, 无法与人产生“情感共鸣”。机器人如果要进入人的生活, 那么就要具备人的特征, 只有这样才能达到“人机共生”。

解决了机器人为什么有情感这个问题之后, 接下来就要考虑让冰冷的机器人拥有人的“七情六欲”。那如何把这些“情感”添加到机器人身上呢?任福继反复思索。

量化计算建立情感数据库

“从人机交互的历史演进来看, 经历了手工作业阶段、作业控制语言及交互命令语言阶段、图形用户界面阶段、多模态人机交互阶段到高级人机交互多个阶段”, 任福继在“第七届全国认知科学会议暨第一届中国与世界认知科学国际会议”主题报告中着重强调了高级人机交互的概念, “到这一阶段后, 机器才能够达到或无限接近人与人的交互”。

“具有情感的高级人机交互是实现人机和谐、友好共存的有效途径。”但机器是无生命的, 人是有生命的, 两者之间的区别就在于有无情感。而人的情感多种多样, 又是虚空无形, 因此在情感的主动采集、高效融合、选择感知和意图理解等环节上的调控是否精确, 是提升人机交互效果的关键。

那么, 要抓住人类特有的情感要素, 首先就是感知多种情感、进行量化分析!任福继想到了情感计算!目前, 为让机器人感知人类情感并产生与人类相似的情感, 比较流行的研究手段是脑认知, 即对人类大脑进行科学计算。

任福继却认为, 与其直接剖析复杂脑结构, 认知脑功能, 不如反向而行, 通过外界信息 (如语言、语音、面部表情、手势姿态等) 的逆向推演, 利用情感计算的手段, 模拟与情感之间的关系, 间接地认识脑功能, 认知情感机制。

“高级人机交互要想突破现有技术瓶颈, 关键取决于对智能机器人赋予的情感计算与交互能力。而以智能机器为载体、以多元感知为手段、以情感计算为突破是实现高级人机交互的有效途径。”于是, 他带领团队设置了“机器人个性化人格库”, 在此基础上创建了“人类情感认知与机器情感创生”的工学模型, 把人的情感认知与机器的情感创生出来了。

另外, 考虑到在外界影响下人的情感类型会不同, 他带领团队又提出了令世界瞩目的“心状态转移网络”理论。任福继介绍说, “首先将人的内心情感分为n个状态, 假设它对应于信息处理过程中的n个离散状态, 我们称为心状态。当各状态在受到外界刺激时, 依据这之前的状态将向另外的状态转移, 这就是这个时间点后的情感状态。根据大数据, 可以分析得到这个心状态转移网络。”

任福继团队把提出的“人类情感认知与机器情感创生”与“心状态转移网络”的研究成果形成论文, 荣获IEEE、ICAI国际会议杰出论文奖, 技术水平已领先世界。

可是, 新问题又来了。心状态转移网络这“情感”大数据的创建与应用, 怎么在机器人身上实现呢?于是, 任福继带领团队开始筹划起了“丰心工程”项目。

丰心工程为情感机器人安上“心脑”

情感机器人的用途只是交流情感、陪护人吗?诚然不是。它还能够识别人的情绪、判断人的心理, 像“人”一样预测人的未来行为。

人往往会把一些情感有意识或无意识地潜藏起来, 并不外露。会排斥亲人、朋友, 但可能会被记述在纸、博客、微博、空间等各个“相对封闭”的角落, 渴望与陌生人进行些许交流。而这些不广为人知的记述往往能够反映出一个人内心最为真实的想法。若机器人能认知这些情感, 了解人的内心世界, 并与人进行情感交流, 那世间会不会少些抑郁症患者、少些自杀悲剧呢?

这就是“丰心工程”项目的前期设想。2007年, 任福继带领团队正式创立“丰心工程”, 开始了情感语料库的构建工作。

“把情感语料库输入到机器人身上, 让机器拥有“大脑”功能, 能够根据人的语言表达来认知人的情感并自身生成适当的情感语句, 与人进行相互交流”, 即“用工程的方法去感知人的情感及心理状态, 由此丰富人们的内心”。

“丰心工程”的创建, 让机器人拥有情感的研究进程又向前迈进了一大步。

任福继举了个例子。2008年汶川大地震后, 国内某县委宣传部副部长承受着幼子遇难的巨大悲痛, 全身心完成抗震救灾工作后自缢身亡。在他生前的博客中, 有写道:“……儿子, 你走了, 带走了我们所有的希望……”“……假如, 某一天, 我死了, 爸爸, 请您不要哭泣, 我真的活得太难了, 人生为什么总是充满苦难, 充满艰辛, 充满离愁……”

假设当时有情感机器人, 通过这些文本识别出情感, 就可以发现他“选择自杀”的危险信号, 就能够找出一条更完美的解决途径, 避免悲剧发生。“利用我们研制出来的情感机器人, 可以明显计算出他的自杀曲线已濒临危险边界”, 任福继认为文本情感的计算, 是情感机器人的必备功能。

除此之外, 通过大量考察, 任福继还从语音、表情、姿态等情感状态上建立语料库, 试图从客观上尽量还原出人的心理状况。此项科研成果得到了业界广泛认可, 由他主持的“基于先进智能的心理健康的感知与计算”也被列为国家自然科学基金重点项目。其成果获吴文俊人工智能科学技术奖创新奖一等奖。

立足现实跑赢情感机器人市场

虽然中国在情感机器人技术方面, 取得了一定程度的发展。但仍需认清现有格局, 把握未来方向。

近年来, 机器人的使命已开始逐渐“跳出”传统工业制造范畴, “触角”开始迅速延伸到其他领域。拥有不同功能的专用服务机器人被深入研发。“要在精确的情感体系调控下, 量化生产专用服务机器人”成为大势所趋。

由软银开发的情感机器人“佩贝”的出现, 可以看作是第一款商业化情感机器人。随后, 2015年“双11”活动期间, 由国内知名机器人制造商——科沃斯公司发布的各种家庭服务情感机器人, 比如“窗宝”“地宝”等, 掀起“狂卷风”般的购买浪潮;在2015年世界机器人大会上, 又涌现出多款“ 宝贝” , 尤其是美女情感机器人“Geminoid F”的出现, 吸引了众人眼光。在老人护理、患者看护、儿童陪伴、学习教育、智慧家庭、和谐社区、服务中心、咨询机构、医疗健康、通信交流、游戏娱乐等诸多方面, 一些情感机器人都得到应用。比如合肥工业大学与中航工业洪都共同研制开发的“情感轮椅”, 由里奥推出的“儿童陪护机器人”等都被应用到实际生活中。

任福继认为, 在不久的将来, 情感丰富的专业服务机器人会越来越受人们的青睐。据统计, 目前至少有48个国家在发展机器人, 至少25个国家涉及服务机器人的研制开发。

2015年5月, 日本“机器人革命行动委员会”正式创立, 立志要建立世界机器人创新基地, 把活用在中小企业、农业、护理及医疗、环境等方面的机器人数量做到世界第一, 引领世界机器人的物联网时代。欧美各国一方面继续扩大工业机器人的后续研发, 一方面加大服务机器人的研发投入, 意欲在机器人革命时代占领一席之地。韩国也不甘落后, 在服务机器人上也狠下功夫。

任福继介绍说, 第一次第二次的工业革命, 让世界格局重新洗牌。现在世界又迎来了第三次机器人革命, 对各国而言都是机会。强者更强, 弱者变强。因此, 未来机器人市场资源的占有与否、占有多少, 都源自于机器人所具备的“智商”与“情商”。目前的机器人市场早已如火如荼。考察目前机器人产业的发展态势, 他表示, “传统工业机器人的技术多以欧美、日本为首, 近四成的机器人数量在日本。中国在工业机器人的核心研制技术上面很薄弱, 但当机器人的工作场所由工业领域扩大到专业服务领域时, 世界各国的研制技术都很薄弱, 没有哪个国家、哪个企业拥有绝对优势”。因此, 大家水平差不多, 处于同一起跑线, 那就看谁“跑的快”, 谁就能抢占市场先机。

任福继指出, 我们应从计算机科学、人工智能、机械工程、机器人学、心理学、语言学、社会学、病理及美学等多学科领域去研制具有智能情感的服务机器人。就目前而言, 各国在服务机器人的“脑智”与“心智”研发上, 都处在起步阶段。因此, 中国要想赶超, 就要在机器人的“脑智”与“心智”上下功夫, 多取得一些原创成果, 掌握先端技术, 才会拥有更多话语权。

在任福继看来, 利用情感计算来认知人类情感及生成机器情感, 是他们当前亟待解决的难题, 也是能否抢占机器人产业市场的关键。他说, 科学研究的过程中总会存在不确定性因素, 结果与初衷相悖离的情况经常出现。“比如我们原本想通过情感计算研制出情感机器人, 可我的一个博士早在8年前就通过情感技术开发了“心灵扫描”技术, 应用到了游戏中”。在服务机器人“脑智”和“心智”的建设上, 科研必须要把握全过程, 才能达成量化生产、服务于民的科研目的。

不忘初心为中国科教事业献计献策

从1986年任福继考入中科院计算所博士研究生后赴日留学, 凭借多项领先于世界水平的科研成果与累积的国际声望, 2009年他作为唯一的华人学者被遴选为日本工程会首届院士;与诺贝尔获奖者高锟、美国商务部长骆家辉等被全球150家媒体评选为“2009年全球华人十大新闻人物”前三名……

任福继在语言工程、智能信息工程、情感计算及机器人研发方面躬耕十多年, 享誉世界的同时, 他也把自己长期积累的丰富学识与经验回馈给了自己的祖国和社会。作为全国人大、全国政协两会的海外列席代表, 他对中国教育事业提出“千人计划联谊会”等多项建设性意见, 并曾受到多名国家领导人接见。他还担任了多所高校的研究顾问、兼职教授, 为加强中国与国际的交流, 为促进科教事业发展出谋划策, 为众多的科研同行指点迷津。

2010年, 合肥工业大学正式成立先进智能机器研究院, 随后建立了计算机与信息学院情感计算所。在日本国立德岛大学任职的任福继应邀担任院长。他以具有情感的先进智能机器人为核心应用点, 主持参与多项国家自然科学基金项目、安徽省自然科学基金项目、国家“863”项目、企业委托项目及中日联合项目等, 在开展大量前沿性研究的同时, 为情感计算及情感机器人的研究领域培养了一批优秀的科研人才……

目前, 任福继已经申请了“云机器人”与“机器人学校”专利。“未来, 机器人们会像人类一样, 具有学校”。在先进智能机器研究院研发中的高仿真人形机器人及中国美女机器人, 在情感表达方面达到世界领先水平。任福继团队正在给这些未来人类的伙伴创造“心”和“脑”, 也使它们能像人类一样不断进化, 增强“智商”与“情商”。

功崇惟志, 业广惟勤。我们无比笃定在不久的将来, 中国学者必将让智能机器人技术将走向世界前列。让服务智能型机器人成为一个拥有丰富“情感”的仿真人, 走进我们每一个家庭, 和人类进行“情感交流”, 为我们“排忧解难”。到那时, 世界将迎来一个与人类友好共生的机器人时代。

来源：科学中国人 2016年第3期封面人物

任福继:机器人革命必须要让机器人具有情感

任福继,日本工程会首届院士,日本国立德岛大学教授、合肥工业大学先进智能机器研究院院长,中国人工智能学会副理事长。中国科协海智专家、网络与交换技术国家重点实验室学术委员,情感计算与先进智能机器安徽省重点实验室主任。主要研究方向为人工智能,情感计算,智能机器人,自然语言理解,社会计算研究等,在人工智能特别是自然语言理解、多语言翻译这一新兴学科中取得显著成就。

“问世间情为何物,直教人生死相许”,谈到“情感”,最先想到的是人与人之间的感情。随着机器人科技的发展, 也许在不久的将来,直教生死相许的, 不仅仅是人,还有机器人。任福继及其团队十几年来,一直致力于探索机器人情感计算与交互能力的研究。在2015世界机器人大会召开前夕,本刊对任福继进行了专访,与他一起畅想未来机器人的发展。

《科技导报》(以下简称《科》):自2000年你开始从事情感计算与情感机器人的研究工作,是什么机缘让你从事这项研究的呢?

任福继(以下简称任):20世纪80年代,在日本工作的机器人占全世界的2/3。当然,那时只有产业机器人。可以说,机器人是让日本国民生产总值上升到世界第2位的功臣之一。我正是在日本那个所谓的黄金时期去留学的。在20世纪90年代的日本,公司巨头、政府官员、大学教授,总之,从官到民、从学到商都希望将机器人导入到家庭。各方面也投入了大量人力财力,尽管已取得一些成果,仍未能如愿让机器人进入家庭。我那时除了在大学做教授外,也兼任一些公司的技术顾问,开始对情感计算与情感机器人这个问题有了兴趣。我认识到,为什么机器人进入不了家庭,主要原因就是机器人没有情感,人类不希望一个没有情感、冷冰冰的机械与之生活在一起。以此为契机,基于人工智能的研究背景,我也对人类进行了一些思考,包括“人是什么东西?”“人为什么具有情感?”“人为什么要革命?机器人如何产生革命动力?”。从进化的角度来看,直立行走、说话、使用语言、情感和思考力是灵长类进化到人的重要特征。以此特征和目前研究的机器人进行比较,就会清楚要让机器人进入我们的生活,也即实现人机共生,应该往哪个方向使力了。这可以说是我从2000年开始从事情感计算与情感机器人研究的机缘。

《科》:你在“第七届全国认知科学会议暨第一届中国与世界认知科学国际会议”主题报告中强调了高级人机交互这个概念,请问高级人机交互与情感计算有关吗?

任:是的。有关。实际上,这个领域也可以归结为高级人机交互。人机交互经历了手工作业阶段、作业控制语言及交互命令语言阶段、图形用户界面阶段、多模态人机交互阶段到高级人机交互的发展历程。当前,随着现代信息技术的迅猛发展,以机器人为代表的智能机器越来越多地渗透到国民经济与人类生活的各个领域,“人机共存”正在成为信息社会的一个重要特征。实现安全、高效、友好的高级人机交互是关系到国家新兴产业所面临的重大挑战。

在人与人的交互过程中,情感是表达和理解交互意图的重要途径,是交互效果的关键瓶颈。高级人机交互的研究,本质上是为了让机器更好地为人类提供服务,其最终目标是能够达到或无限接近人与人的交互。而机器与人类最明显的差距就体现在情感上。情感作为交互意图和交互效果的综合体现,在人机交互信息的主动采集、高效融合、选择感知和意图理解等关键环节,具有不可替代的调控作用。因此,具有情感的高级人机交互是实现人机和谐、友好共存的有效途径。可见,要想让机器给人类提供自然、友好的服务,就必须要让机器具有情感计算与交互能力,只有这样的人机交互才能逼近人人交互,才是真正意义上的高级人机交互。具有情感的人机交互是高级人机交互的重大体现,将情感融入人机交互是科学研究面对的巨大挑战。高级人机交互要取得突破,在很大程度上取决于我们对智能机器赋予的情感计算与交互能力。

《科》:目前这项研究已经取得了一些成果,在研究过程中,你遇到的最大困难是什么?是如何解决的?

任:最大困难就是“情感”。有言道,“问世间情为何物?直教人生死相许”。千百年来,古今中外,人类为了一个“情”字,上演了多少凄美的故事。但时至今日,我们对人类情感认知机制和情感产生机理还知之甚少。更何况,我们是要让机器人理解人的情感, 要让机器人自身产生情感,可想而知, 这是一个非常艰巨的任务。

如何让机器人理解人的情感,如何让机器人自身产生情感?首先想到的是脑认知,或脑科学脑计算。近年来, 各国都在努力进行脑功能探索。脑能被认识吗?如果从深度、广度上将人的大脑的机制研究透了,再让机器来实现当然是好的,但是这可能需要相当长一段时间。我并不是否定脑科学脑计算研究,只是想说在未来相当长的期间, 仅依靠脑科学获取的人脑认知机理实现高级人机交互是远远不够的,以智能机器为载体、以多元感知为手段、以情感计算为突破是实现高级人机交互的有效途径。也就是我们要采取的逆向思维,即认知脑。什么是认知脑?简单而言,就是我们不清楚大脑内部是什么机制,也搞不清楚人类情感的本质,包括情感机制,我们就利用外界信息(如语言、语音、面部表情、手势姿态等)推演与情感的关系,间接认识脑功能,认知情感机制。

而如何在认知脑中描述情感? 如图1所示。将人的内心情感分为n个状态,假设它对应于信息处理过程中的n个离散状态, 我们称为“ 心状态”。各状态在外界刺激(称为情感能量)下,依据这之前的状态将向另外的状态转移,这就是这个时间点后的情感状态。根据大数据,可以分析得到这个 “心状态转移网络”。

如何去获取情感?如何让机器人具有情感?图2表示了其基本思想。

我们对基于语言的情感认知进行了大量的工作,取得了较好的结果。语言、表情也已经展开,特别是构建了情感语料库。

基于情感认知的导航机器人除了学园导航外,也能根据使用者的语言表达来认知情感并使机器人自身生成适当的情感并进行交流。

图1情感状态转移网络

《科》:在您的科研经历中,有没有难忘的故事?

任:那我就讲一下“丰心工程”的创立吧。要研究情感计算,要按我们提倡的理论认知人类的情感以及生成机器的情感,必须要有大数据,因为在使用机器学习时大数据非常重要。但情感数据很难得到,更不用说大数据了。于是,我们在2007年开始构建情感语料库,首先是文本情感语料库。

有一天,我们得到消息。国内汶川大地震之后某县委宣传部副部长在2009年4月20日凌晨2:00左右自缢身亡。

在大地震中,他7岁的儿子不幸遇难,他忍住巨大的悲伤全身心投入到抗震救灾工作中,为北川的抗震救灾作出了突出贡献。知道消息后我们迅速取到了他自杀之前的博客资料。其中有这样的文字:

图2情感认知与情感生成

“……儿子,你走了,带走我们所有的希望……”

“……假如,某一天,我死了,爸爸, 请您不要哭泣,我真的活得太难了,人生为什么总是充满苦难,充满艰辛,充满离愁……”

这些文字反映了博主当时极端负面的心理状态和自杀倾向,倘若及时通过文本情感计算就可发现这种危险的心理,并给予及时的开导的话就可能避免悲剧的发生。事实上,利用我们研发的成果可以明显计算出他的自杀曲线已到了危险边界。

基于此,我们提出“丰心工程”概念。简单而言,即用工程方法来丰富人们的内心。

除了语言,语音、表情、姿态等情感状态也客观上反映出心理健康的状况。基于这些考察和事实,“基于先进智能的心理健康的感知与计算”已被列为国家自然科学基金重点项目。

根据我们的调查研究,忧郁症及潜在自杀者大多封闭了内心世界,不再和医生、家人、朋友等交流,但却通过博客、微博等表达其情感。我们研究的具有情感的机器人就可能认知这些情感, 并可以和他们进行交流,就可能挽回他们的生命。

《科》:情感机器人还能解决实际生活中的什么问题?目前是否已经有成功的案例?

任:从大的方面说,情感机器人是所有服务类机器人所必需具备的。包括老人护理、患者看护、儿童陪伴、学习教育、智慧家庭、和谐社区、服务中心、咨询机构、医疗健康、通信交流、游戏娱乐等。

我的一个博士8年前开发的“心灵扫描”,可以认为是使用情感计算的最早游戏,软银开发的情感机器人“佩贝” 可以看作是情感计算的商业化先例。

按我的估计,尽管不是我们研究的本意,情感计算技术会率先在游戏领域中获得青睐。

合肥工业大学与中航工业洪都研发的“情感轮椅”,里奥推出的“儿童陪护机器人”也是实际生活中的成功案例。

《科》:国外服务机器人行业现在发展状态如何?与之相比,国内服务机器人存在哪些差距?

任:如果把机器人简单地分为工业机器人和服务机器人的话,中国等发展中国家在工业机器人核心技术方面几乎为空白,以日本、美国、欧洲为主。但在服务机器人,特别是我所提到的未来具有“脑智”和“心智”的服务机器人领域,还没有哪个国家、哪个企业可以说拥有绝对优势。从较长的时间轴来看, 几乎处于同一起跑线上。

如果要勉强给目前的服务机器人的“脑智”(智商)和“心智”(情商)评价的话,以100分为满分,目前服务机器人的“脑智”可能为15分,“心智”则会低于5分。

我并不是指各国在服务机器人研发上没有差异,而是强调相对于工业机器人来说,会有更多赶超的机会。

事实上,欧美各国不仅在工业机器人领域继续发力,而且在服务机器人研发方面投入了大量的人力财力。亚洲的日本、韩国等更是在服务机器人上狠下功夫。日本在2015年5月召开了“机器人革命行动委员会”创立大会。提出实现机器人革命的三个核心,一是建成世界机器人创新基地;二是在利用活用机器人方面世界的第一(中小企业、农业、护理及医疗、环境等);三是要引领世界机器人的物联网时代。

中国在机器人领域近年来投入较大,特别是在引进工业机器人方面下了很多工夫。但在服务机器人方面认识不足。在产业界还谈不上对智能机器人有较明确的理解。学研界也好像有 “短平快”思想在潜意识中引导。更有甚者将一些玩具似的东西指认为服务机器人,理解为智能机器人。事实上, 具有智能情感的服务机器人是一个融合计算机科学、人工智能、机械工程、机器人学、心理学、语言学、社会学、病理及美学等多学科的复杂领域。因此,需要静下心来,针对个别领域,花些功夫, 才能取得原创成果。

《科》:你曾在“2015中国智慧城市发展与合作高层峰会暨中国云体系联盟智慧城市创新中心首届大会”主题演讲中谈到,机器人革命必须要做的事情是让机器人具有情感,请谈一谈你对未来机器人的畅想。

任:2009年8月英国皇家工程学院在一个科学报告《自主系统》中提出了机器人革命这个概念,指出了由于人工智能、机器人、计算机将越来越多地出现在人类生活的各方面,2019年将迎来机器人革命。日本首相在2014年5月在OECD理事会上表明了“机器人牵引产生新的产业革命”,2014年9月成立了“机器人革命实现会议”,2015年1月日本经济再生本部公布了机器人新战略,宣布设立“机器人革命行动委员会”,2015年5月召开了“机器人革命行动委员会”创立大会。

我很早就指出,机器人革命必须要让机器人具有情感。换言之,没有情感就不可能有机器人革命。就像我们人类如果没有情感也不可能有革命的冲动一样。

爱因斯坦说,智能的真正标志不是知识而是想象。明斯基指出,问题不在于智能机器是否能有情感,而在于没有情感的机器怎么能是智能的。我认为这里的想象就是要具有情感。在漫长的岁月里,人们把智能和情感对立了起来。实际上,二者在较高的层次上是有机的统一体。

所以说,情感计算是研发未来机器人绕不开的门槛。人类情感认知及机器情感生成是我们必须攻克的课题。

未来机器人将会出现在我们生活的方方面面,未来的最好的医生很可能就是机器人,一个与人类友好共生的机器人时代并不是遥遥无期。

原文链接：任福继:机器人革命必须要让机器人具有情感刘志远科技导报 2015-11-13

任福继 电子科技大学计算机科学与工程学院教授

任福继电子科技大学计算机科学与工程学院教授