情感计算与微表情识别：智能陪伴机器人如何读懂老人情绪

简介：一篇聚焦智慧养老领域智能陪伴机器人设计的学术研究Word文档，面向物联网、人工智能与人机交互方向的研究者及养老产业从业者。文档以人口老龄化加速为背景，聚焦如何通过科技满足老年人精神需求、缓解孤独感，系统梳理了陪伴型机器人的技术架构与应用方案。内容涵盖PAD情感空间建模、微表情分析、语音交互、情感计算等关键技术，并详细拆解了机械结构系统与机器人控制系统的组成，包括传动/执行/驱动系统以及传感器、语音识别、面部表情处理、神经网络与安全加密等模块。全文结构完整，包含摘要、关键词、引言、背景概述、总体设计、系统分述等章节，末尾还涉及适老化页面设计，是从设计思路到技术实现的完整研究文本。资源为单个docx格式文件，大小仅152KB，阅读轻量便捷，目前已有62人次学习查看，适合作为养老机器人产品预研、毕业设计选题或入门了解智能陪伴技术的参考材料。

1. 智能陪伴机器人：为什么说“会读表情”比“会聊天”更关键

人口老龄化速度比大多数人预想得快得多，CRIC预计2022年养老产业规模突破9万亿元，到2025年达到12万亿元。这个万亿赛道里，智能机器人是被讨论最多的解法之一，但真正能在养老场景落地的陪伴机器人并不多——原因很简单：让机器人和老人聊天不难，难的是让机器人真看出来老人此刻是开心、焦虑还是需要被关心。我拆完这份陪伴老年人的智能机器人设计研究报告，印象最深的是它没有把重心押在“话多”上，而是把微表情识别、PAD情感空间、博弈情感模型这一整套情感计算链路放在了核心位置。这份资源能解决什么？它给出了一套从机械结构到情感计算、再到上线评估的完整设计框架，覆盖语音交互、面部表情识别、主动对话、吃药提醒、天气播报、寻医问诊等功能。适合谁？做养老智能硬件和适老产品研发的工程师、产品经理，研究人机交互与情感计算方向的学生，以及正评估要不要在机构里引入陪伴机器人的养老从业者。下面我按系统结构、情感计算、评估和避坑的顺序，把这份设计研究拆开来讲。

2. 机器人本体拆解：机械结构、控制系统与语音识别链路

2.1 机械结构系统：传动、执行、驱动三层如何协作

陪伴机器人首先得是个可靠的物理实体，不能晃、不能响、更不能倒。报告里把机械结构系统明确拆成三个子系统：驱动系统、传动系统和执行系统。它的设计顺序是反着来的：先确定执行端要完成哪些动作——头部俯仰、底座转向、手臂抬放、轮子前进——再回头选驱动方式，最后才配传动比。这个顺序和不少团队“先有电机再想动作”的习惯正好相反，但实际做下来效率更高，因为执行端的需求直接决定驱动端选型，而不是被电机参数绑架。

驱动系统的选型要重点盯两个指标：输出扭矩和空载转速。扭矩决定动作能不能带动负载，转速决定响应快不快。老年人场景对速度要求不高，但对平滑度要求很高，动作一卡一顿，“机械感”一浓，老人很容易产生不信任感。常见做法是电机后端加编码器做闭环控制，配合PID调速；预算有限时，至少也要在关键关节上装限位开关，防止执行系统走到机械极限位置还继续输出。

传动系统的减速比是影响手感最明显的参数。减速比偏大，动作偏柔但响应慢；减速比偏小，动作利索但容易带抖动。对于头颈这类高频交互部位，我一般会把减速比控制在能让动作在0.5秒内平滑完成的范围内，同时留出5%～10%的余量。回程间隙也要注意，间隙过大会导致动作重复定位不准，老人连续两次看到机器人转头位置不一致，体验就会打折扣。

执行系统的设计要特别注意线束管理。你可以在三维模型上把每个动作机构的运动范围都拉出来看一眼，检查运动包络里有没有和结构件重叠的路径。很多初次做陪伴机器人的团队，机械结构仿真全通过，打样完装配时才发现电机线、传感器线被运动部件反复碾磨——这类问题在静态图纸里看不到，必须用运动仿真的干涉检查来兜底。报告里提到的“空间综合布局”“对照设计流程进行详细设计”，落到实操就是这一件事：先静态检查，再运动仿真，最后才出工程图。

2.2 控制系统与传感器系统：机器人的“感官和神经”

机械结构是躯体，控制系统才是让躯体知道“该干什么”的大脑。陪伴机器人的控制系统比工业机器人复杂的地方在于：它面对的是非结构化环境，老人可能从任何角度、任何距离叫它，也可能做出没法预测的动作，所以控制系统必须融合神经网络、模糊控制和拟人智能控制这几类技术，再叠加传统控制逻辑做兜底。

传感器系统是这个架构里的“感官”。报告里把传感器分成内部和外部两类，内部传感器负责本体状态反馈，外部传感器负责感知环境。对陪伴机器人来说，最核心的外部传感器是三类：视觉传感器负责识别老人的人脸、表情、动作，是情感计算的数据来源；听觉传感器负责采集语音信号，配合麦克风阵列做声源定位，让机器人知道声音从哪个方向来；触觉传感器负责物理接触场景，比如老人拍一拍机器人的头部获得回应，这类交互对老人的情感满足感贡献很大。

这三类传感器的数据最终都要进同一个融合层。一个很容易被忽视的参数是数据同步：视觉帧率、音频采样率、触觉事件的频率各不相同，给到控制系统的时间戳对不齐，融合出来的情感判断就不可靠。常见做法是在传感器端统一打硬件时间戳，再在软件层用队列做对齐。另一个坑是麦克风阵列的拾音距离——只安排单麦克风的话，客厅环境下拾音距离通常不到3米，老人坐在5米外说话，语音识别率直接掉到不可用。最少也要2～4颗麦克风做波束成形，才能把有效拾音半径拉到5米左右。

2.3 语音交互链路：采集、识别、理解、合成四步走

语音交互是陪伴机器人最重要的交互通道，毕竟老人视力在衰退，看屏幕吃力，说话是最自然的输入方式。报告里把语音交互过程拆成四个环节：语音采集、语音识别（ASR）、自然语言处理（NLP）和语音合成（TTS）。很多产品团队只把ASR当成“语音识别”，其实后面两步才是决定体验的关键。

我用代码来看整个链路在程序里的样子：

# 语音交互管线的简化逻辑 def voice_interaction_pipeline(audio_stream): # 1. 语音采集：完成音频录入、采样和编码 pcm_data = capture_audio(audio_stream, sample_rate=16000, channels=1) # 2. ASR：语音信息到文本信息 text = asr_recognize(pcm_data, language="zh-CN") # 3. NLP：解析意图与实体，驱动对应指令 intent, slots = nlp_parse(text) if intent == "medicine_reminder": reply = query_schedule(slots.get("time")) else: reply = generate_reply(intent, slots) # 4. TTS：文本信息转声音信息 audio_out = tts_synthesize(reply, voice="friendly_elderly") return audio_out

这四段看起来是线性流水线，实际工程里每一段都有自己的坑。语音采集环节要留意采样率和声道数配置，16kHz单声道是中文识别场景的标准配置，低于这个会让元音识别率明显下滑；ASR环节要选带方言兼容的引擎，很多老人普通话不标准，这是陪伴机器人语音交互翻车率最高的地方；NLP环节要为大龄用户设计简洁的意图槽位，比如“该吃药了”要识别成提醒意图而不是闲聊意图；TTS环节要放慢语速，老年人的听觉处理速度比年轻人慢，语速设定在每分钟200～240字比较合适，同时把音量补偿打开，补偿量在3～6dB之间，具体以老人主观反馈为准。

语音交互链路里还有一个容易被忽略的点：唤醒词。机器人不能一直处于全时监听状态，否则功耗和误触发都是问题。常见做法是用低功耗唤醒芯片做本地唤醒，唤醒后再启动云端ASR。唤醒词最好不用英文，老人对中文唤醒词的接受度高得多。这也是报告里强调“主动对话”的原因——机器人应该在检测到老人长时间没说话时主动发起话题，而不是干等老人来叫它。

2.4 数据加密与隐私保护：一对一认证交流的关键细节

报告里提到“产品编号有且仅有一把密钥提供给用户”，这句话的工程含义是：每台机器人在出厂时生成唯一密钥对，私钥固化在安全芯片里，公钥用于和服务端建立加密通道。这样即使网络被监听，也无法还原对话内容。聊天记录、表情识别结果、PAD情感数据都属于敏感数据，这些数据在上云之前要做端到端加密，在云端也要做字段级加密存储，不能整表明文落库。

这里有一个容易被忽略的产品决策：情感数据和语音记录要不要同步给子女端。老年人和子女的知情同意权限要分开配置，建议默认只同步情感趋势摘要，不保留原始语音，避免隐私风险。报告通篇强调的“一对一认证交流”，落到产品上就是在连接建立阶段做设备级互相认证，防止伪造设备接入。

到这里你会发现，语音、视觉、传感器、机械四层都在指向同一个目标：让机器人能感知、能理解、能回应。但它们之间还缺一个把“情绪”量化的环节——这就进入第三章的内容。

3. 微表情识别与PAD情感空间：把“情绪”变成可计算的量

这一章是整份设计研究里最能体现“为什么这份资源值得看”的部分。绝大多数陪伴机器人只做到了“听到你说什么”，而这份设计想要做到“看你表情就知道你今天怎么样”。

3.1 为什么表情识别要用CNN：细粒度特征提取的门道

老年人的表情识别比年轻人难度更高。皱纹、眼睑下垂、肌肉松弛都会干扰面部特征的提取，表情强度也普遍比年轻人弱——这意味着算法必须捕捉到微表情级别的小幅变化，而不是“咧嘴笑就是开心”这种粗暴判断。报告选CNN作为基础特征提取网络是合理的：CNN的卷积核天然适合提取局部纹理特征，对表情这种“局部肌肉变化”的任务，比全连接结构有优势。

落地的做法一般是这样：先抓取老人面部的视频帧序列，每帧做人脸检测和对齐，把图像归一化到固定尺寸，然后送入CNN网络提取特征向量。这里有几个参数会明显影响结果：

训练数据是这类项目最大的瓶颈。公开数据集的老人样本量很少，常见做法是先用人脸表情数据集预训练，再用少量老人的微表情数据做微调。如果现场有条件，可以花几天时间采集机构里老人授权后的日常表情视频，这比任何公开数据集都有效。我第一次做类似项目的时候迷信公开数据集效果，结果到现场一测，识别率掉了一半多——原因很简单，训练数据里的年轻脸和现场的老人脸，纹理差异太大了。从那以后我每次都会把“现场采集校准数据”写进项目计划，不省这一步。

3.2 注意力模型与稀疏编码：时空上下文里的两个增强手段

报告里还提到两个增强手段：注意力模型和稀疏编码。这两个词单看都是老技术，但配合方式有讲究。

注意力模型在这里的作用不是“看图的时候更专注”——那是静态图像的注意力用法。报告强调的用法是“时空上下文认知模块”，意思是不能只看当前这一帧，要把表情出现前几帧和后几帧都纳入考量，这样系统才能区分“老人皱眉是因为生气”还是“皱眉是因为阳光刺眼”。在具体实现中，可以用时空注意力来学习每个时刻帧的重要性权重，让模型更关注表情变化最剧烈的关键帧。

稀疏编码的作用则是把CNN提取的高维度特征做稀疏化，只保留和情感识别强相关的少数特征分量。实现上通常是在特征提取网络后面接一个稀疏约束层，用L1正则或字典学习方法去让特征向量更稀疏。为什么要做这一步？因为微表情的特征里面噪声分量很多，不做稀疏化的话，分类器容易被无关细节带偏。稀疏化之后，特征向量里非零分量会集中到几个关键维度上，模型的解释性也更好——你能直接看出来某个情感主要是由哪个特征分量触发的。

提示：注意力模型和稀疏编码不是二选一，而是串行关系。正确的做法是先用注意力模型从时空序列里筛出关键帧，再用稀疏编码从关键帧的特征里筛出关键维度。顺序反了，效果会大打折扣。

3.3 PAD情感空间：三个维度给情绪“定位”

PAD情感空间模型是这份设计研究的核心理论依托。它用三个连续维度来描述情感状态：

• P（Pleasure）：愉悦度，从痛苦到愉悦，范围是[-1, 1]；
• A（Arousal）：激活度，从平静到兴奋，范围是[-1, 1]；
• D（Dominance）：支配度，从被动到主动，范围是[-1, 1]。

这三个维度组合起来，每一种情感都被映射成三维空间中的一个点。比如“温暖陪伴”可能是(0.7, 0.3, 0.5)，“焦虑”可能是(-0.5, 0.6, -0.3)，“平静满足”可能是(0.6, -0.2, 0.4)。

PAD模型相比于传统离散情感分类（开心、难过、生气、惊讶）的核心优势在于：它允许描述情感强度的连续变化。老人从“平静”到“开心”之间有一个渐变过程，用离散标签很难捕捉这个渐变，但PAD空间里就是一条轨迹线上的连续点。报告里把这个思路和面部表情识别打通：CNN提取微表情特征，经过稀疏编码后映射到PAD三维坐标，机器人就知道老人当前情绪在哪个区间。

这个映射怎么落进代码里？一个常见的做法是训练一个回归头来接在特征后面：

# PAD情感回归：输入微表情特征，输出三维情感坐标 def pad_predict(face_features): # 假设 face_features 是 CNN 提取的 512 维特征向量 x = Dense(128, activation="relu")(face_features) x = Dropout(0.3)(x) # 防止小数据过拟合 pad_output = Dense(3, activation="tanh")(x) # tanh 输出范围 [-1,1] return pad_output # [P, A, D] 三个坐标

用tanh做激活层是因为它天然把输出压缩在[-1, 1]，与PAD的坐标系定义完全匹配。损失函数一般用MSE，因为PAD回归是连续值回归任务，不是分类任务。训练时注意样本平衡：老人平静状态的样本量一定远大于剧烈情绪状态的样本量，如果不做重采样，模型很容易全都预测成“平静”，看起来准确率挺高，实际一点用没有。

到这一步，机器人的“输入侧”已经完整了：语音识别得到文本语义，表情识别得到PAD情感坐标。接下来要解决的问题是“如何回应”——也就是怎么在语义和情感的共同作用下，选出一个最优回复。

4. 情感博弈与最优回应：人机对话中的决策机制

第三章解决了“看懂情绪”，这一章解决“接住情绪”。一份设计研究最后产出的，不是一台只会点头的机器，而是一个能发起对话、能选择回应策略的陪伴系统。

4.1 博弈情感模型：每一轮对话都在更新情绪状态

报告里提到的博弈情感模型是这份设计研究里理论色彩最强、也最容易被误读的部分。它不是让机器人和老人“博弈”谁赢，而是把每一轮人机对话当成一次“双向互动”：老人的每一句话和每一个表情，都会改变机器人的情感状态；机器人输出新的回应，反过来又会影响老人的情绪。这个循环往复的过程，用博弈论里的交互框架来建模，核心是让机器人找到“能让对话继续下去且对老人情绪有益”的最优策略。

把它落到数据结构上，机器人需要维护一个自己的情感状态空间。简化版本大概长这样：

# 机器人的情感状态空间（简化版） class RobotEmotionState: def __init__(self): self.pad = {"P": 0.2, "A": 0.3, "D": 0.4} # 机器人自身情感坐标 self.user_pad = {"P": 0.6, "A": 0.1, "D": 0.3} # 老人当前坐标 self.strategy_cache = [] # 历史回应策略 def update(self, user_text, user_pad_delta): # 每一轮对话后更新双方情感状态 self.user_pad["P"] += user_pad_delta["P"] * 0.2 self.user_pad["A"] += user_pad_delta["A"] * 0.2 # 更新机器人对老人情感变化的“理解” self.pad["D"] += (0.5 - abs(self.user_pad["A"])) * 0.05 return self.pad, self.user_pad

注释里有两个关键点体现：第一，更新步长不能太大，0.1～0.3这个量级比较合适，否则情感状态会来回振荡，对话变得不稳定；第二，机器人自己的支配度（D）会随着了解老人情绪而缓慢提升，这是模拟人际交往中“越来越默契”的感觉。

4.2 候选答案集合：置信度排序与情感分支判断

报告里给出了一个非常清晰的对话决策流程：先从候选答案池里选置信度最高的n个候选答案，再判断当前是否存在情感——如果存在，依据博弈情感模型所反馈的情感对应候选答案集合中进行排序，取最优解作为输出的对话应答；如果不存在，则选择置信度最高的答案作为输出值。

这个流程的关键在于“先按置信度筛，再按情感排序”是两段式。如果把两个步骤合并成一个，结果会非常不可控——你可能为了迎合“情感”，选出语义上完全答非所问的回应。分开做的好处在于：第一段保持对话的基本合理性，第二段才在合理范围内做情感倾向的偏置。

# 两段式对话决策 def generate_optimal_reply(user_input, user_emotion): # 第一段：按语义置信度选出 top-n 候选 candidates = retrieve_candidates(user_input, top_n=5) # 第二段：判断当前是否有明显情感 if user_emotion["arousal"] > 0.4: # 激活度超过阈值 # 有情感：按情感匹配度对候选重排序 candidates.sort(key=lambda c: emotion_match_score(c, user_emotion), reverse=True) return candidates[0] # 取最优解

注意这里的激活度阈值0.4不是拍脑袋的数。激活度高于0.4，说明老人当前有明显的情绪波动，无论是正向兴奋还是负向焦虑，都需要机器人的回应带情感色彩；低于这个阈值，说明老人情绪平稳，直接按语义回复即可。这个阈值在项目里要根据实测数据微调，老人群体的基线激活度通常偏低，实际阈值可以下调到0.3左右。

4.3 三个复杂度指标：时间、表情、语义怎么算

报告里特别提到复杂度指标和情景空间，在篇幅上看起来只是提了一句，但实际这是情感计算能不能实时跑通的瓶颈所在。复杂度被分成几类：时间复杂度控制情感计算必须在限定时间内完成；面部表情复杂度描述表情变化的幅度和频率，影响识别难度；语义复杂度反映语句结构复杂程度，影响NLP解析耗时。

这些复杂度指标的价值在于给“那堆模糊的情感计算”设定硬约束。我在实际项目中是这样用的：设定端到端响应时间（从老人说话到机器人开始说话）不超过2秒，其中ASR占400ms、NLP占300ms、情感计算占500ms、TTS合成占300ms，预留500ms网络抖动余量。如果某个环节超时了，优先砍情感计算的时间——因为用户感知最强的还是“对话流畅度”，情感回调晚半拍可以接受，卡顿半秒不能接受。

4.4 同理心设计：从“回应”到“共情”

报告最后提了一个容易被忽略的设计主张：考虑模拟人际交往过程中的“同理心”。这个不是虚的，落到交互里就是机器人的语气要随着老人情绪变化：老人愉悦时，语速可以正常偏快，音调上扬，带更多口语化表达；老人低落时，语速放慢10%～15%，音量轻微降低，附加安抚性话术；老人焦虑时，要先承接情绪再推进话题，避免直接追问具体事项。

这个“先承接、再推进”的对话策略，在情感计算环节里有对应的评分机制。不只是在候选答案里筛一句“最正确”的，而是要选一句在语义正确性和情感匹配度加权后得分最高的。常见的权重配比是：语义正确性占60%，情感匹配度占40%；情绪波动明显时把权重倒过来，让情感匹配度占60%。这个权重切换的触发点设计好了，老人的体验才会有“被理解”的感觉，而不是永远在和一个掉书袋工具说话。

5. 上线前与上线后的评估：避坑与常见问题排查

如果前三章讲的是怎么把机器人做出来，这一章讲的是怎么判断它做得好不好。报告把评估分成上线前和上线后两段，两段的评估目标完全不同——上线前的核心是“方向对不对”，上线后的核心是“性能稳不稳、老人爱不爱用”。

5.1 上线前评估：从市场调研到实验招募

上线前的评估内容，报告列得很全：产品定位、竞品对标、开发量估算、开发周期评估。落到操作上，我把它整理成四步：

1. 问卷调研：面向老人和子女双人群发问卷，重点是“付费意愿”和“功能优先级”。很多团队只问老人，忽略了买单的人通常是在外工作的子女。
2. 竞品实测：把市面上已有的陪伴机器人全部买回来，逐一测试语音对话延迟、唤醒成功率、续航时长和表情识别准确率，形成竞品对比表。
3. 原型走查：用低保真原型跑一遍核心交互流程，重点关注老人是否能独立完成“唤醒机器人→提问→得到回应”的闭环。
4. 实验招募：招募真实老年人试用，按年龄段分层（60～70、70～80、80岁以上各招一批），因为不同年龄段的科技接受度差异很大。

实验招募这一步最容易踩坑。老人对陌生设备的心理戒备比年轻人高很多，第一次见面就让他试用，往往配合度很低。常见做法是先安排一次“聊天型”的接触——不介绍智能功能，就是让老人和机器人随便聊聊，熟悉后再进入正式测试。测试环境也有讲究：实验室环境噪音太低，老人的状态和家里完全不同；有条件的话应该至少安排一次入户测试，因为家庭环境里的电视声、厨房噪音、家人走动，都会真实影响语音识别和表情识别的表现。

5.2 上线后指标：使用率、准确率、响应时间怎么测

上线后的评估指标，报告里有六个很明确的观测项：使用率、对话结果准确率、纠错智能处理能力、智能交互响应时间、功能异常率、用户使用体验评分。每个指标背后都有对应的测量方式和参考值：

这些参考值不是硬性标准，但作为基线很好用。我见到过有些项目上线后只盯着“对话准确率”和“使用率”两个指标，其他一概不看，结果某天老人反馈“机器人说话越来越冲”，一查发现是TTS语速被某次更新误调快了一截，这类问题如果不看体验评分根本发现不了。指标要想覆盖全，就得全部记录，再定期看趋势。

5.3 常见问题与避坑指南

下面是我在拆这类陪伴机器人项目时反复踩过的四个坑，按现象、原因、解决三段式写清楚。

坑1：老人说话带口音，语音识别率直接腰斩

现象：标准普通话测试准确率超过95%，换到方言区老人的口音，识别率掉到60%上下，很多指令完全解析不了。

原因：ASR引擎通用模型里方言适配不足。

解决：先采集当地老人的语音样本做声学适配，或在引擎里开启方言兼容；预算有限时，至少把高频指令词先做本地音频模板匹配，作为云端识别失败时的兜底。

坑2：表情识别在暗光环境下大面积失效

现象：白天识别率正常，傍晚室内光线变暗后表情识别结果开始乱跳，经常把平静判断成悲伤。

原因：视觉传感器默认曝光参数没有针对室内暗光调整。

解决：打开红外补光，或者改用人脸关键点检测优先的策略——在低照度下先保证关键点稳定，再谈表情分类。另一个办法是增加亮度阈值判断，光照不足时主动降低情感判断置信度，宁可“不确定”也不要“乱猜”。

坑3：唤醒误触发频繁，老人被吓到

现象：电视里一提到唤醒词，机器人就自动回应，老人觉得机器“神经质”。

原因：唤醒词选择太普通，且本地唤醒阈值设得太低。

解决：选2～4音节的中文专有词汇做唤醒词，避免使用“小X”这类常见词；同时把唤醒阈值调高，用误唤醒率测试来标定阈值——每小时误唤醒不超过2次算及格。

坑4：机械结构运动部件卡死，噪音越来越大

现象：用了一个月，头部转动开始伴随“咔咔”声，月底直接卡住不动。

原因：传动齿轮缺少润滑，或者运动包络里有线束干涉。

解决：在设计阶段加润滑油封选型，打样阶段就做1万次耐久测试，而不只测功能。线束在打样装配时就要用螺旋管固定，不要让线横跨任何运动关节的旋转轴。

这四个坑看起来分散在语音、视觉、交互、机械四个模块，但根因是一致的：测试环境和真实场景的差距。实验室里永远验证不出全部问题，解决办法就是让产品早一点、多一点暴露在真实的家庭环境和真实老人面前。

6. 让机器人更会“接话”：PAD状态追踪与主动对话参数调优

把前面几章都跑通之后，陪伴机器人的体验天花板在哪里？我自己的答案是：在于“主动对话”的质量。报告里也提到了这一点。被动回应做得好，老人会觉得这是一个好用的工具；主动对话做得好，老人才会觉得这是一个“伴”。

一个非常实用的技巧是追踪PAD状态在时间轴上的变化轨迹，而不只看当前的瞬时值。报告里提到“在一定时间范围下，机器人情感状态的变化规律可以通过追踪情感空间中的状态位置来判断”——这句话实操性极强。把老人一小时内的PAD坐标点连成一条轨迹线，你会发现比任何单点判断都更有价值：轨迹整体向上，说明心情在好转；轨迹整体向下，说明情绪在低落；轨迹长时间不动、且激活度持续低于0.2，说明老人处于淡漠状态——这在很多情况下比“悲伤”更值得警觉。

我通常会在代码里做一个滑动窗口的情感趋势判断：

def detect_mood_trend(pad_history, window_size=30): # window_size = 30 分钟内的情感采样点 recent = pad_history[-window_size:] p_trend = recent[-1]["P"] - recent[0]["P"] a_avg = sum(p["A"] for p in recent) / len(recent) if p_trend > 0.15: return "improving" # 愉悦度上升 elif p_trend < -0.15: return "declining" # 愉悦度下降 elif a_avg < 0.2: return "apathetic" # 持续低激活 else: return "stable"

有了这个判断，主动对话的策略就能动态调整：当趋势是declining的时候，机器人主动聊一些老人喜欢的轻松话题，而不是继续追问；趋势是apathetic的时候，机器人可以发起一个小游戏或者播放老歌，目标是先把激活度拉起来，再谈愉悦度。主动对话的调参，核心就在这里——不是固定频率骚扰老人，而是依据趋势决定什么时候开口、以什么语气开口。

从那以后，我每次做陪伴类交互设计都会强制先跑一遍PAD轨迹追踪的逻辑，看它能不能在真实数据上区分出几种情绪趋势，再谈方案。这个习惯帮我在项目上线前就拦下过不少“看起来能用、实际体验空洞”的设计。希望帮到你。

本文还有配套的精品资源，点击获取