AI机器人EMO自学口型模拟，精准告别面瘫式表情

1月17日，科技媒体 New Atlas 发布文章，介绍了哥伦比亚大学创意机器实验室（Creative Machines Lab）的最新成果。该团队成功研发出一款名为 EMO 的机器人面部系统，它有望攻克仿人机器人领域的一大难题——让机器人的唇形变化与语音实现精准同步，从而有效缓解“恐怖谷”效应。

与需要预先编程的传统机器人不同，EMO 具备强大的自我学习能力。它能够通过观察人类的行为来不断优化自己的面部表达方式，使其交互体验更接近《西部世界》中的科幻设定。

EMO 没有采用刚性的金属外壳，而是覆盖了一层柔软的硅胶皮肤，质地十分接近真人。在这层皮肤之下，研究团队精巧地部署了 26 个微型电机（即致动器）。

这些电机通过不同组合的协同运作，能够精细地牵引皮肤，从而呈现出微妙的面部表情并控制唇形变化。这种硬件架构为 EMO 提供了极高的自由度，使其能够模拟出从微笑到惊讶等多种复杂神态。

为了让 EMO 掌握控制面部的技巧，研究团队引入了“视觉-动作”（Vision-to-Action， VLA）语言模型。在训练初期，团队将 EMO 置于镜前，让其随机进行数千次面部运动。

EMO 通过摄像头观察镜中的自己，分析电机指令与最终面部表情之间的因果关系。这一过程类似于人类婴儿通过模仿和观察自我来学习控制肌肉，使机器人建立了内部的本体感观模型。

在建立了基础运动模型后，EMO 进入了进阶训练阶段。该机器人观看了数小时人类说话和唱歌的视频，系统通过分析视频中的音频特征与对应的口型变化，映射听觉信号与视觉信号。

结合此前建立的 VLA 模型，EMO 最终实现了在发出合成语音的同时，实时生成高度吻合的唇部动作，甚至能在发声前几毫秒预判并调整口型。

尽管 EMO 目前在处理“B”和“W”等闭唇音时仍存在细微瑕疵，但其核心架构已展现出巨大潜力。研究人员指出，随着训练数据的增加，这些问题将逐步得到解决。未来，团队计划将 EMO 与 ChatGPT 或 Gemini 等先进的对话式 AI 进行整合。