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

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。

【个人背景】

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.

发表英文会议论文：

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

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

[3] Jiawen Deng andFuji Ren. A Survey of Textual Emotion Recognition and Its Challenges,IEEE Transactions on Affective Computing, 1-20, 2021. DOI: 10.1109/TAFFC.2021.3053275

[4] 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.

[5] Yu Gu, Xiang Zhang, Liu Zhi andFuji 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.

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

[7] 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)

[8] 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)

[9] Fuji Renand 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)

[10] Xin Kang, Shi Xuefeng, Yunong Wu andFuji 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

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).

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

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