一种儿童自适应陪伴交互的AI人格生成方法及系统与流程

本发明涉及人工智能交互，尤其涉及一种儿童自适应陪伴交互的ai人格生成方法及系统。

背景技术：

1、随着人工智能技术的快速发展，儿童教育陪伴机器人逐渐进入家庭场景，成为辅助儿童学习和成长的重要工具。

2、目前，市面上的儿童教育陪伴产品主要分为以下几类：第一类为传统学习工具类产品，以内容播放、题目练习、拍照搜题和语音问答为核心功能，本质上属于工具型设备。以完成既定任务为目标，产品本身不具备稳定的人格特征，也没有可持续成长的生命体状态，难以与儿童建立长期的情感连接和陪伴关系。第二类为智能对话类产品，能够通过语音与儿童进行对话和问答，但其陪伴逻辑通常基于指令-响应的问答模式或内容推荐机制，缺少清晰的共同成长关系，设备不会因为儿童的成长而发生实质性的能力变化。第三类为虚拟养成类产品，其成长机制大多依赖于娱乐性的喂养、点击或游戏行为，儿童的真实学习成果与虚拟宠物的成长之间的技术耦合较弱。

3、综上所述，现有产品普遍存在人格不稳定的问题。陪伴机器人在长期使用中容易变成通用的问答入口，缺少连贯的人格成长轨迹。软件升级通常仅涉及功能增加，儿童感知不到机器人真正长大了或更懂我了。现有技术中缺少一种能够将儿童真实学习成长与机器人人格及具身能力演化进行深度耦合的自适应陪伴交互方案。

技术实现思路

1、本申请通过提供一种儿童自适应陪伴交互的ai人格生成方法及系统，解决现有技术中儿童学习行为与机器人能力成长无法进行深度耦合交互的问题，实现了通过儿童真实学习行为驱动机器人人格与具身能力同步演化的技术效果。

2、本申请提供了一种儿童自适应陪伴交互的ai人格生成方法，包括：

3、s1：采集儿童多维原始数据组成交互记录向量，根据交互记录向量，进行时间窗口聚合与特征计算，得到儿童即时状态向量和当前交互事件类型标签；

4、s2：根据儿童即时状态向量和交互事件类型标签，以本次交互事件为依据，执行同步增量更新，输出更新后的儿童成长画像和机器人生命体画像；

5、s3：根据更新后的儿童成长画像和机器人生命体画像进行双向耦合映射运算，输出技能节点解锁指令集；利用解锁指令集更新机器人生命体状态模型；所述机器人生命体状态模型包括因果响应层与派生统计层；

6、s4：根据儿童即时状态向量、更新后的机器人生命体画像、更新后的机器人生命体状态模型中的派生统计层字段和人格参数，执行决策机制，得到交互意图、交互策略和情绪表达强度；

7、s5：接收技能节点解锁指令集、交互意图、策略类型和情绪表达强度，依次执行技能解锁执行、成就判定和交互内容合成三项子任务，生成最终交互内容和指令操作；

8、所述多维原始数据包括正面面部图像序列、三维空间坐标、语音信号、触摸事件数据、相对运动数据和时间戳；所述儿童即时状态向量是以当前时刻为终点、取前30秒内全部交互记录向量构成滑动窗口，并计算儿童状态指标；所述状态指标包括专注度分数、疲劳度分数、情绪极性分数、交互主动性分数和身体活动强度分数。

9、一种儿童自适应陪伴交互的ai人格生成系统，应用于上述方法，所述系统包括：

10、感知识别模块，用于在预设的采样周期内同步采集儿童的多维原始信号组成交互记录向量，根据交互记录向量，进行时间窗口聚合与特征计算，得到儿童即时状态向量和当前交互事件类型标签；所述多维原始数据包括正面面部图像序列、三维空间坐标、语音信号、触摸事件数据、相对运动数据和时间戳；所述儿童即时状态向量是以当前时刻为终点、取前30秒内全部交互记录向量构成滑动窗口，并计算儿童状态指标；所述状态指标包括专注度分数、疲劳度分数、情绪极性分数、交互主动性分数和身体活动强度分数；

11、画像更新模块，用于接收感知识别模块输出的儿童即时状态向量和交互事件类型标签，根据儿童即时状态向量和交互事件类型标签，以本次交互事件为依据，执行同步增量更新，输出更新后的儿童成长画像和机器人生命体画像；

12、耦合映射模块，用于接收画像更新模块输出的更新后的儿童成长画像和机器人生命体画像；读取机器人技能树中全部预设技能节点，根据更新后的儿童成长画像和机器人生命体画像进行双向耦合映射运算，输出技能节点解锁指令集；利用解锁指令集更新机器人生命体状态模型；所述机器人生命体状态模型包括因果响应层与派生统计层；

13、人格仲裁模块，用于接收感知识别模块输出的儿童即时状态向量、画像更新模块输出的更新后的机器人生命体画像、耦合映射模块输出的更新后的机器人生命体状态模型中的派生统计层字段以及一组可配置的人格参数；执行决策机制，得到交互意图、交互策略和情绪表达强度；

14、交互生成模块，用于接收耦合映射模块输出的技能节点解锁指令集和人格仲裁模块输出的交互意图、策略类型、情绪表达强度；依次执行技能解锁执行、成就判定和交互内容合成三项子任务，生成最终交互内容和指令操作。

15、本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

16、通过画像更新步骤对儿童成长画像中目标维度进行增量更新，同时对机器人生命体画像进行同步更新，使儿童的学习进步和机器人的状态变化在同一交互周期内完成双向记录，解决现有技术中儿童学习成果无法被结构化存储并用于驱动机器人变化的技术问题，实现儿童认知成长与机器人状态变化的双轨可追踪记录的技术效果。

17、通过耦合映射步骤将儿童成长画像各维度的当前掌握度与预设技能节点的掌握度阈值进行比较，同时将机器人当前等级与技能节点的等级阈值进行比较，仅当两条件同时满足时解锁对应技能节点并更新机器人生命体状态模型的因果响应层，同时按周期刷新派生统计层，使得机器人新技能的解锁严格依赖于儿童在对应学习领域的真实能力达标和机器人长期积累等级达标两个独立条件的共同满足，实现儿童真实学习行为成为机器人具身能力提升唯一驱动路径的技术效果，从根本上消除通过非学习性行为获取能力增长的可能路径。

18、通过人格仲裁步骤的综合需求指数计算和三层决策机制，使交互意图决策、交互策略选择和情绪表达强度均依据儿童即时状态、双画像数据和派生统计层数据进行自适应生成，实现机器人在正确时机、以正确策略和正确的情绪表达方式与儿童进行交互的技术效果。构成从感知到决策再到表达的完整闭环，使机器人能够根据儿童真实学习事件自适应地生成人格化交互响应。

1.一种儿童自适应陪伴交互的ai人格生成方法，其特征在于，包括：

2.根据权利要求1所述的一种儿童自适应陪伴交互的ai人格生成方法，其特征在于，步骤s1中，通过视觉相机采集儿童正面面部图像序列，包括：提取面部关键点坐标，计算儿童当前头部偏航角与俯仰角；同时输出面部动作单元强度值；

3.根据权利要求1所述的一种儿童自适应陪伴交互的ai人格生成方法，其特征在于，步骤s2中，根据语音内容关键词匹配和交互场景上下文，将本次交互内容进行归类，确定交互事件类型标签；类型包括：英语学习事件、数学训练事件、编程启蒙事件、阅读陪伴事件、运动模仿事件、科学观察事件、自由对话事件和休息事件。

4.根据权利要求1所述的一种儿童自适应陪伴交互的ai人格生成方法，其特征在于，执行同步增量更新，包括：针对儿童成长画像，根据本次交互事件类型标签，确定本次更新的目标维度：对于目标维度，依据专注度分数和交互主动性分数，结合本次交互的持续时长，计算本次成长增量对儿童成长画像的目标维度进行更新；对于本次未涉及的其他维度，引入自然遗忘机制：每个未更新维度减去其当前值的百分之二作为遗忘衰减量，最低衰减为维度初始基线值的百分之八十。

5.根据权利要求4所述的一种儿童自适应陪伴交互的ai人格生成方法，其特征在于，执行同步增量更新，还包括：针对机器人生命体画像，依据本次交互事件类型标签、专注度分数与情绪极性分数，计算机器人生命体画像中本次经验增量；包括：以事件类型确定的基础经验值为起点，计算专注度增益系数和情绪修正系数得到本次经验增量；将经验增量累加到当前经验值上，判断当前经验值是否达到升级阈值，若达到则等级增加1并将经验值归零重新累计，同时记录等级提升事件。

6.根据权利要求1所述的一种儿童自适应陪伴交互的ai人格生成方法，其特征在于，所述双向耦合映射运算设置为：读取机器人技能树中全部预设技能节点，每一个技能节点在出厂时均被预先绑定一个唯一的解锁条件二元组，二元组由所需儿童掌握度阈值和所需机器人等级阈值构成；

7.根据权利要求1所述的一种儿童自适应陪伴交互的ai人格生成方法，其特征在于，因果响应层记录机器人因本次儿童成长画像变化而直接产生的具身化变化结果，包含能力字段组、成长刻度字段组和叙事进度字段组；

8.根据权利要求7所述的一种儿童自适应陪伴交互的ai人格生成方法，其特征在于，能力字段组包含技能节点状态表、已习得动作库索引表、已习得语音库索引表和已习得灯效模式索引表；技能节点状态表存储全部预设技能节点中每一个的当前状态，取已锁定或已解锁之一；

9.根据权利要求1所述的一种儿童自适应陪伴交互的ai人格生成方法，其特征在于，步骤s4中执行决策机制，决策机制包括：交互意图决策、交互策略选择和情绪表达强度决策；

10.一种儿童自适应陪伴交互的ai人格生成系统，应用于权利要求1至权利要求9中任一项所述的一种儿童自适应陪伴交互的ai人格生成方法，其特征在于，所述系统包括：