search
Contact Us
HOME

  • Crossref logo
  • Crossref Similarity Check logo
Journal Search Engine

to

Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 2005-0461(Print)
ISSN : 2287-7975(Online)
Journal of Society of Korea Industrial and Systems Engineering Vol.37 No.4 pp.1-11
DOI : https://doi.org/10.11627/jkise.2014.37.4.01

Fuzzy Emotion Model for Affective Computing Agents

Hyun Joong Yoon*, Seong Youb Chung**†
*School of Mechanical and Automotive Engineering, Catholic University of Daegu
**Department of Mechanical Engineering, Korea National University of Transportation
Corresponding Author : sychung@ut.ac.kr
February 28, 2014 June 20, 2014 October 14, 2014

Abstract

This paper addresses the emotion computing model for software affective agents. In this paper, emotion is represented in valence-arousal-dominance dimensions instead of discrete categorical representation approach. Firstly, a novel emotion model architecture for affective agents is proposed based on Scherer’s componential theories of human emotion, which is one of the well-known emotion models in psychological area. Then a fuzzy logic is applied to determine emotional statuses in the emotion model architecture, i.e., the first valence and arousal, the second valence and arousal, and dominance. The proposed methods are implemented and tested by applying them in a virtual training system for children’s neurobehavioral disorders.

Affective Agent , Emotional Agent , Emotion Model , Fuzzy Logic , Dimensional Emotion Model

감성 에이전트를 위한 퍼지 정서 모델

윤 현중*, 정 성엽**†
*대구가톨릭대학교 기계자동차공학부
**한국교통대학교 기계공학과

초록

    Catholic University of Daegu

    1.서 론

    본 논문은 컴퓨터에서 감성 에이전트 구현을 위한 정 서 모델을 제안하는 것을 목적으로 한다. 인간의 정서 모 델에 대한 연구는 주로 심리학과 컴퓨터 과학에서 이루 어 지고 있는데, 특히 컴퓨터 과학 분야에서는 상호작용 적인 소프트웨어 에이전트의 사회적 기능을 향상시키기 위한 감성 지능 에이전트에 대한 연구가 진행되어 왔다. 예를 들면 정서 모델을 보유하고 있는 에이전트로 사용 자의 심리상태, 감성, 취향을 보다 효과적으로 이해할 수 있으며 사용자의 의도에 맞게 에이전트 자신을 진화시킬 수도 있다[9, 12]. 이와 같은 감성 에이전트는 에이전트 그룹 사이의 사회적 상호작용이나 의사소통이 용이하도 록 도와주며[7], 협동 로봇이나 인간-로봇 상호작용 시스 템에서 정서적 상호작용이 가능하게 할 수도 있다[22].

    지금까지 인간의 정서 처리 프로세스를 설명하기 위 하여 많은 심리학적 모델이 제시되어 왔다. 대표적인 심 리학적 측면의 정서 모델로는 Ortony, Clore, Collins의 정서 이론[15], Frijda의 관계 실현 이론(concern realization theory)[10], Oatley와 Jenkins의 정서에 대한 상호작용 이 론(communicative theory of emotions)[14], Roseman의 이 벤트 평가 모델(event‐appraisal model)[18], Scherer의 정 서 요소 이론(componential theories of emotion)[20, 21] 등이 있다. 이 정서 모델들은 모두 Arnold와 Gasson[1]이 제안한 평가 이론(appraisal theory)에 기반을 두고 있다. 정서의 평가 이론은 인간의 정서를 평가(appraisal)와 대 응(coping)의 메커니즘의 결과로 본다. 여기서 평가란 인 간 자신의 상황과 주변 환경을 고려하여 외부 자극을 평 가하는 것을 의미하며, 대응이란 외부 자극에 대한 응대 또는 행위를 의미한다. 평가 이론에서는 평가와 대응이 정서적 행위를 받쳐주는 기초가 될 뿐 아니라 인지 프로 세스에 중요한 역할을 한다고 보고 있다. 즉, 인간은 외 부 자극이 가해지면 자신이 처해있는 외부 환경, 잠재적 인 목표, 믿음, 의도, 동기에 따라 평가를 내리고, 평가의 결과로 정서가 생성되어 생리적인 반응을 보이며, 대응 단계를 거쳐 행위를 취하게 되는 것이다.

    인간의 정서 처리 프로세스에 대한 컴퓨터 모델은 주 로 컴퓨터 과학 분야에서 연구되어 왔는데, 이들은 대부분 인간 정서의 심리학적 모델을 토대로 하고 있다. Elliot [9]은 24개의 기본 정서와 정서로부터 유도되는 1,400개 의 행동들이 정의된 감성 에이전트들로 구성된 가상 세 계의 플랫폼을 제안하였다. 각 감성 에이전트는 ‘interpretative’ 요소와 ‘expressive’ 요소를 포함하는 기본적인 성 격을 갖도록 구현되었다. 제안된 정서 에이전트 플랫폼 은 Ortony, Clore, Collins의 정서이론[15]을 기반으로 개 발되었다. Reilly[16]는 미국 카네기멜론 대학에서 수행된 OZ 프로젝트의 일환으로 빌리버블 사회적 감성 에이전 트(believable social and emotional agent)의 프레임워크를 제안하였다. OZ 프로젝트는 인터렉티브 캐릭터(즉, 빌리 버블 에이전트)로 구성된 가상 세계를 만드는 것을 목적 으로 하며, 빌리버블 에이전트의 중요한 두 가지 측면은 정서 프로세스와 사회적 상호작용 기능을 가지고 있다는 점 이다. 제안된 빌리버블 에이전트는 Ortony, Clore, Collins 의 정서이론[15]의 심리학적 모델을 기반으로 하고 있으 며, 에이전트 모델을 위한 Tok 아키텍처와 이를 구현하기 위한 Hap 프로그램 언어를 제안하였다. Gratch와 Marsella [11,13]은 인간과 같은 자율 에이전트를 구현하기 위한 평가 및 대응의 컴퓨터 프레임워크를 제시하였다. Ortony, Clore, Collins의 정서이론[15]의 심리학적 모델을 기반으 로 하여 인간 정서와 관련된 평가 및 대응 메커니즘을 컴퓨터로 구현하기 위한 프레임워크를 제시하였으며, 정 서 행동의 메커니즘과 정신적 처리 메커니즘에 초점을 맞추어 개발되었다. El-Nasr 외[8]는 Ortony, Clore, Collins 의 정서이론[15]과 Roseman의 이벤트 평가 모델[18]을 기 반으로 하여 지능형 에이전트에 탑재를 위한 정서 모델 을 제안하였다. 정서 모델은 이벤트가 목표에 미치는 영 향과 중요성으로부터 이벤트의 바람직성(desirability)을 추론하기 위한 이벤트 바람직성 평가 절차; 이벤트의 바 람직성과 기대치가 고려된 정서 상태를 결정하기 위한 이벤트 평가 절차; 동기적 상태와 정서 상태 사이의 상 호작용을 시뮬레이션하기 위한 정서 필터링 절차; 정서 상태에 근거한 행동을 결정하기 위한 행동 선택 절차로 정의하였으며, 이벤트의 바람직성과 정서 상태, 행동 선 택을 위하여 퍼지 집합과 퍼지룰을 정의하였다.

    <Table 1>은 인간의 감성 프로세스에 대한 컴퓨터 모델 을 비교한 것이다. 실제로 심리학자인 Frijda와 Swagerman 의 ACRES[10] 등을 제외한 기존의 대부분 정서 컴퓨터 모델은 Ortony, Clore, Collins의 심리학적 정서 모델을 기 반으로 개발된 모델들이 다수를 이루고 있다. 이는 Ortony, Clore, Collins의 모델이 컴퓨터상에서 구현이 용이하도 록 설계되었기 때문인 것으로 판단된다. 실제로 Ortony, Clore, Collins의 정서모델은 인간의 정서를 표현하는 자 연언어의 시멘틱(Semantic)에 기반하여 개발되었으며 애 초부터 컴퓨터에서 구현이 가능한 정서 모델의 개발을 목적으로 하였다.

    반면 본 논문에서는 Scherer가 제시한 정서 모델인 Component Process Model[20, 21]을 기반으로 컴퓨터 에이 전트를 위한 정서 모델을 개발하였다. Component Process Model은 정서를 자연언어의 시멘틱에 의해 정의하 는 접근방법에서 탈피하여 인간 내부에서 또는 사회적 상호작용에서 정서가 기여하는 기능에 초점을 맞춘 모 델이다. Scherer의 정서모델은 이후에도 많은 심리학자 들이 실험과 이론적 확장을 통하여 Ortony, Clore, Collins 의 정서 모델보다 인간의 정서를 보다 잘 표현하고 있 다고 인정받고 있으며, 이에 대한 상세한 내용은 제 2 장에서 다루었다.

    본 논문의 나머지 구성은 다음과 같다. 제 2장에서는 심리학적 측면에서 Scherer의 정서 요소 이론에 대해서 설명하고 있으며, 제 3장에서는 가상 에이전트를 위한 정서 모델 아키텍처 및 퍼지 로직을 이용한 정서 모델을 제안하였다. 제 4장에서는 개발된 감성 에이전트의 구현 및 적용 사례에 대해 다루었으며, 제 5장에서는 제안된 방법에 대한 토의 및 이슈들에 대해 기술하였다.

    2.Scherer의 정서 요소 이론

    Scherer는 <Table 2>에서와 같이 정서를 5가지의 독립 적 기능과 관련된 5개의 요소(component)로 구성된 이론 적 구조를 갖는다고 보았다. Scherer는 이와 같은 기능적 관점의 접근 방법이 Ortony, Clore, Collins의 정서 이론 과 같은 개념적 또는 구조적 접근 방법에 비하여 정서에 대하여 보다 더 잘 설명할 수 있다고 주장한다[19, 20, 21]. 따라서 본 논문에서는 Scherer의 정서 요소 이론에 근거한 가상 감성 에이전트의 정서 생성 프로세스를 설 계하는 것을 목적으로 하였다.

    본 논문에서 대상으로 하는 Scherer의 정서 모델 등의 기초가 된 평가 이론은 정서 구성을 위한 평가 절차의 기 저를 이루는 것으로 추정되는 준거(criteria), 차원(dimension) 등의 표준을 정립하였다. 즉, 어떤 이벤트가 주어지 면 인간은 본인의 계획과 목적과 관련하여 그 이벤트가 웰빙(well-being), 기여도(conduciveness), 방해(obstructiveness) 측면에서 미치는 결과와 이와 같은 결과에 자신이 대처할 수 있는 능력 등과 같은 여러 가지 준거들에 대 하여 평가한다. Scherer의 정서 요소 모델에서는 이러한 준거를 Stimulus Evaluation Checks(SECs)라 한다. Scherer 의 SECs는 외부 이벤트에 대한 평가 목적에 따라 다음 의 네 단계로 구분된다.

    1. 관련성(relevance) 평가 : 외부 이벤트가 개인에게 어떤 관련이 있는가? 본인에게 또는 본인이 속한 집단에게 직접적으로 어떤 영향을 주는가? 관련성은 다시 참신성 (novelty), 고유한 유쾌성(intrinsic pleasantness), 목표/ 필요 관련성(goal/need relevance)으로 나뉜다.

      1. 참신성은 다시 외부 이벤트의 돌연성(suddenness), 친근성(familiarity) 및 예측성(predictability)로 구분 된다.

      2. 고유한 유쾌성은 자극이 유쾌함을 유발하는지 고 통을 유발하는지 평가하는 항목이다. 이 때 개인 의 선호나 목표와는 상관없이 이벤트 고유의 특성 만이 고려된다.

      3. 목표/필요 관련성은 개인의 목표 또는 필요에 대하 여 이벤트의 관련성, 적절성, 중요성을 평가하는 항 목이다.

    2. 영향성 평가(implication assessment) : 외부 이벤트의 영 향 또는 미치는 결과는 어떠한가? 개인의 웰빙과 목표 에 미치는 영향은 어떠한가? 실제 이벤트가 미치는 잠 재적 결과는 예측하기는 어렵지만 몇 가지 중요한 다 음의 파라미터들을 고려하여 추정된다.

      1. 인과 귀인(causal attribution)-어떤 이벤트가 발생하 게 된 원인과 관련된 가장 중요한 정보인 누가, 왜 그 이벤트를 발생시켰는가와 관련된 평가 항목이다.

      2. 결과의 확률(outcome probability)-이벤트에 대해 예 측되는 결과가 일어날 수 있는 확률이 얼마나 큰 지와 관련된 평가 항목이다.

      3. 예측과의 차이(discrepancy-from expectation)-이벤트 에 의하여 생성된 상황이 개인의 목표 달성을 위 한 예측한 절차로부터 시간적, 공간적 측면에서 얼 마나 차이를 유발시켰는지를 평가하는 항목이다.

      4. 목표/필요 기여도(goal/need conduciveness)-개인의 행위나 이벤트가 목표 달성에 얼마나 확률을 높이 는지 또는 도움을 주는지를 평가하는 항목이다.

      5. 목표/필요 기여도(goal/need conduciveness)-개인의 행위나 이벤트가 목표 달성에 얼마나 확률을 높이 는지 또는 도움을 주는지를 평가하는 항목이다.

      6. 긴급성(urgency)-이벤트에 대처하기 위한 행위의 급 정도와 관련된 것으로, 개인의 목표/필요 중 요성 및 시간적 상황과 관련되어 있다.

    3. 대처 능력 결정(coping potential determination) : 이벤 트에 의하여 유발된 결과에 얼마나 잘 대처할 수 있 는가? 대처 능력 결정에서는 발생된 이벤트를 변경할 수 있는 제어성 및 파워를 평가하고, 제어할 수 없는 경우에는 적응 능력을 평가한다.

      1. 제어성(control)-개인이 얼마나 이벤트에 영향을 주 거나 제어할 수 있는지를 평가하는 항목이다.

      2. 파워(power)-개인의 관심에 따라 결과 또는 결과물 을 바꿀 수 있는 능력을 평가하는 항목이다.

      3. 적응성(potential for adjustment)-이벤트의 영향에 얼 마나 잘 적응할 수 있는지를 평가하는 항목이다.

    4. 규범적 중요도 평가(normative significant evaluation) : 자아개념 및 사회적 규범 또는 가치와 관련하여 이벤 트가 주는 중요성이 어떠한가? 다른 대다수의 사회 구성원이 그 행위에 대하여 어떻게 이해하는지를 평 가하는 항목이다. 규범적 중요도 평가는 내부 규범 평가와 외부 규범 평가로 나뉜다.

      1. 내부 규범 평가(internal standards check)-개인의 자아 이상(self-ideal)이나 내재화된 도덕적 규범에 그 행 위가 얼마나 위배되는지 평가하는 항목이다.

      2. 외부 규범 평가(external standards check)-바람직한 또는 의무적 행위의 관점에서 사회적 레퍼런스 집 단의 규범 또는 요구에 그 행위가 얼마나 일치하 는가를 평가하는 항목이다.

    Scherer의 SECs는 외부 이벤트에 대한 평가 목적에 따라 위의 네 단계로 이루어져 있는데, 이 단계들은 시간적 흐 름에 따라 순차적으로 이루어진다고 보고 있다. <Figure 1>에서 볼 수 있듯이 각 단계별로 인간의 정서 상태의 변화가 생기며, 생성된 정서는 다시 이전 단계에 영향을 미칠 수도 있다. 후에 Scherer는 <Table 3>과 같이 인간 의 14가지 기본 정서에 대하여 SECs의 세부 단계별로 예상되는 패턴들의 프로파일을 제시하였다[19].

    3.퍼지 정서 모델

    3.1.정서 모델 아키텍처

    본 논문에서는 Scherer[20, 21]의 정서 요소 모델에 근 거하여 소프트웨어 감성 에이전트의 정서 생성 프로세스 를 모델화 하였는데, 정서 표상 방법은 Scherer가 사용한 이산 범주 접근법(discrete categorical approach)대신에 정 서의 정량적 표현이 가능한 valence-arousal-dominance의 차원적 접근법(dimensional approach)을 채택하였다. 이는 실제로 많은 심리학자들은 valence-arousal-dominance로 인간의 정서를 표상하는데 충분하다는 주장에 근거한다 [2,23].

    정서 생성 프로세스 아키텍처는 <Figure 2>와 같은 과 정을 통해서 설계되며 아래는 각 단계에 대한 자세한 설 명이다.

    1. STEP 1 : 이산 범주 접근법에 의해 표상된 Scherer가 사 용한 기본 정서를 valence-arousal-dominance 차 원 접근법에 의한 표상으로 맵핑한다. Bradley 와 Lang[4]의 연구에서는 대학생을 대상으로 정서와 관련된 1,000여 개의 영어 단어에 대 한 SAM(self-assessment manikin) rating을 통하 여 얻어진 valence, arousal, dominance 값을 제 시하였다. 이 값에 기반하여 Scherer가 고려한 14가지 기본 정서들을 valence-arousal-dominance 차원으로 매핑하였으며 결과는 <Table 4>와같다.

    2. STEP 2 : Scherer의 정서 요소 모델에서 평가 프로세스 의 세부단계 중 valence, arousal 및 dominance와 상관성이 큰 준거들을 뽑아내기 위하여, <Table 3>에서 제시된 각 관계를 수치화한 후(예를 들 면 very low = 1, low = 2, medium = 3, high = 4, very high = 5) 각 준거와 해당 정서의 valence, arousal, dominance와의 상관관계를 분 석하였다. 분석 결과는 <Table 5>와 같다. 상 관관계를 분석할 때 유의수준을 고려하여 분 석하는 것이 요구되지만 Scherer가 고려한 정 서의 개수가 많지 않아 통계적 유의수준의 분 석은 어렵기 때문에 본 논문에서는 각 준거와 valence-arousal-dimension와의 관계 그래프 및 심리학적 의미를 이용하여 관련된 준거들을 분석하였다. <Table 5>를 보면 관련성 중 valence와 관련이 있는 준거로는 고유한 유쾌성 과 목표/필요 관련성이 있으며, arousal과 관 련이 있는 준거는 예측성과 목표/필요 관련 성이 있는 것으로 나타났다. 또, 영향성 평가 중에서는 기여도가 valence와 관련이 있으며, 긴급성이 arousal과 관련이 있는 것으로 나타 났다. 그리고 대처 능력 결정에서 제어성과 파 워는 dominance와 관련이 있는 것으로 분석 되었다.

    3. STEP 3 : STEP 2의 분석 결과를 토대로 새로 설계된 정서 생성 프로세스 아키텍처는 <Figure 3>과 같다. 외부에서 이벤트가 발생하면 개인이 가 지고 있는 기억(또는 경험)과 동기를 토대로 하여 평가 프로세스가 진행되며 평가 프로세 스의 결과물로 valence-arousal-dominance 차원 의 정서 상태가 발현된다. 이 때 평가 프로세 스는 Scherer의 정서 요소 모델에서 제시한 관련성, 영향성, 대처능력의 순서로 진행된다. 평가 프로세스 중 관련성 평가의 결과로 1차 valence 및 arousal이 발현되고 영향성 평가의 결과로 2차 valence 및 arousal이 발현되며, 대 처능력 평가의 결과로는 dominance가 발현된 다. 평가 프로세스가 진행된 후에는 대응 프 로세스가 실행되어 외부 이벤트에 대한 행위 를 결정하고 이에 맞는 제어 신호를 보내게 된다.

    3.2.퍼지 정서 모델

    제안된 정서 생성 프로세스 아키텍처는 다음과 같이 퍼 지 로직을 이용하여 valence-arousal-dominance 차원의 정 서 상태를 결정한다.

    3.2.1.Valence 퍼지 로직 프로세스

    1차 valence의 출력을 결정하기 위해서는 목표/필요 관 련성 및 고유한 유쾌성을 입력으로 한다. 목표/필요 관련 성의 경우 VeryLowRelevance, Low-Relevance, MediumRelevance, HighRelevance, Very-HighRelevance의 5개 퍼지 집합으로 구분되며, 고유한 유쾌성의 경우 VeryLowIntrinsicPleasantness, LowIntrinsicPleasantness, MediumIntrinsic- Pleasantness, HighIntrinsicPleasantness, VeryHighIntrinsic- Pleasant-ness으로 구분된다. 출력인 valence는 <Figure 4> 와 같이 VeryLowValence, LowValence, Medium-Valence, HighValence, VeryHighValence의 5개 퍼지 집합으로 구 분된다. 목표 G, 이벤트 E에 대하여 목표/필요 관련성 및 고유한 유쾌성으로부터 1차 valence를 결정하기 위한 퍼 지 규칙은 아래와 같은 형태로 구성된다.

    IF Goal/NeedRelevance(G, E) is A AND IntrinsicPleasantness(G, E) is B

    THEN FirstValence(E) is C

    여기서 A, B, C는 각각 위에서 언급한 목표/필요 관련 성, 고유한 유쾌성, 1차 valence의 퍼지 집합을 의미한다. 목표/필요 관련성, 고유한 유쾌성의 입력으로부터 1차 valence 출력을 결정하는 퍼지 규칙은 <Table 6>과 같이 모델링하였다. 목표/필요 관련성, 고유한 유쾌성, valence 는 동일하게 VeryLow, Low, Medium, High, VeryHigh로 5개의 퍼지 집합으로 구분하였다.

    2차 valence의 출력은 1차 valence 및 기여도의 입력으 로 결정된다. 기여도의 경우 VeryLowCondu-civeness, Low- Conduciveness, MediumConduciveness, HighConduciveness, VeryHighConduciveness의 5개 퍼지 집합으로 구분된다. 출 력인 valence도 입력인 1차 valence와 마찬가지로 Very- LowValence, LowValence, MediumValence, HighValence, VeryHigh-Valence의 5개 퍼지 집합으로 구분된다. 목표 G, 이벤트 E에 대하여 1차 valence 및 기여도로부터 2차 valence을 결정하기 위한 퍼지 규칙은 아래와 같은 형태로 구성된다.

    IF FirstValence (G, E) is CAND Conduciveness (G, E) is H

    THEN SecondValence (E) is I

    여기서 H, I는 각각 기여도, 2차 valence의 퍼지 집합 을 의미한다. 1차 valence 및 기여도의 입력으로부터 2차 valence 출력을 결정하는 퍼지 규칙은 <Table 7>과 같이 모델링하였다.

    <Figure 5>는 1차와 2차 valence를 결정하기 위한 과 정을 도식적으로 표현한 것으로 목표/필요 관련성 및 고 유한 유쾌성을 입력으로 1차 valence가 결정되고, 다시 그 결과와 기여도를 입력으로 2차 valence가 결정된다.

    3.2.2.Arousal 퍼지 로직 프로세스

    1차 arousal의 출력은 목표/필요 관련성 및 예측성을 입력으로 결정된다. Arousal 정서의 입력으로 참신성 대 신 예측성을 사용한 이유는 <Table 5>에서 보듯이 돌연 성, 친근성, 예측성 중 예측성만이 arousal 정서와 상관 관계가 있기 때문이다. 목표/필요 관련성의 경우 Very- LowRelevance, LowRelevance, MediumRelevance, HighRelevance, VeryHighRelevance의 5개 퍼지 집합으로 구분 되며, 예측성의 경우 VeryLowPredictability, LowPredictability, Medium-Predictability, HighPredictability, VeryHigh- Predictability으로 구분된다. 출력인 arousal은 VeryLow- Arousal, LowArousal, MediumArousal, HighArousal, Very- High-Arousal의 5개 퍼지 집합으로 구분된다. 목표 G, 이벤트 E에 대하여 목표/필요 관련성 및 예측성으로부 터 1차 arousal을 결정하기 위한 퍼지 규칙은 아래와 같 은 형태로 구성된다.

    IF Goal/NeedRelevance(G, E) is A

    AND Predictability (G, E) is D

    THEN FirstArousal (E) is F

    여기서 D, F는 각각 참신성, 1차 arousal의 퍼지 집합 을 의미한다. 목표/필요 관련성, 예측성의 입력으로부터 1차 arousal 출력을 결정하는 퍼지 규칙은 <Table 8>과 같이 정의한다.

    2차 arousal의 출력은 1차 arousal 및 긴급성을 입력으 로 결정된다. 긴급성의 경우 VeryLowUrgency, LowUrgency, MediumUrgency, HighUrgency, Very-HighUrgency으로 구 분된다. 출력인 2차 arousal은 VeryLowArousal, LowArousal, MediumArousal, High-Arousal, VeryHighArousal의 5개 퍼 지 집합으로 구분된다. 목표 G, 이벤트 E에 대하여 1차 arousal 및 긴급성으로부터 2차 arousal을 결정하기 위한 퍼지 규칙은 아래와 같은 형태로 구성된다.

    IF FirstArousal (G, E) is F

    AND Urgency (G, E) is J

    THEN SecondArousal(E) is K

    여기서 J, K는 각각 긴급성, 2차 arousal의 퍼지 집합 을 의미한다. 1차 arousal 및 긴급성의 입력으로부터 2차 arousal 출력을 결정하는 퍼지 규칙은 <Table 9>와 같이 모델링하였다.

    <Figure 6>은 1차와 2차 arousal을 결정하기 위한 과정 을 도식적으로 표현한 것으로 목표/필요 관련성 및 예측 성을 입력으로 1차 arousal이 결정되면, 그 결과와 긴급 성을 입력으로 2차 arousal이 결정된다.

    3.2.3.Dominance 퍼지 로직 프로세스

    Dominance의 출력은 제어성 및 파워를 입력으로 결정 된다. 제어성은 VeryLowControl, LowControl, MediumControl, HighControl, VeryHighControl의 5개 퍼지 집합으로 구분되며 파워의 경우 VeryLow-Power, LowPower, Medium- Power, HighPower, Very-HighPower의 5개 퍼지 집합으 로 구분된다. 출력인 dominance는 VeryLowDominance, Low- Dominance, MediumDominance, HighDominance, VeryHigh- Domi-nance의 5개 퍼지 집합으로 구분된다. 목표 G, 이 벤트 E에 대하여 제어성 및 파워로부터 dominance를 결 정하기 위한 퍼지 규칙은 아래와 같은 형태로 구성된다.

    IF Control (G, E) is L

    AND Power (G, E) is M

    THEN Dominance(E) is N

    여기서 L, M, N은 각각 제어성, 파워, dominance의 퍼 지 집합을 의미한다. Dominance의 출력은 제어성과 파워 를 입력으로 <Table 10>과 같이 모델링 하였다.

    <Figure 7>은 제어성과 파워를 입력으로 dominance가 결정되는 과정을 도식적으로 나타낸 것이다.

    4.감성 에이전트 적용

    본 논문에서 제안된 감성 에이전트를 위한 퍼지 정서 모델은 본 연구팀에서 현재 개발 중인 소아정서질환 인 터렉티브 가상 치료 시스템에 적용될 예정이다[5, 6, 24] <Figure 8>은 개발 중인 가상 교실 환경을 보여준다. 교 실은 아동이 또래의 친구들과 많은 시간을 보내며 사회 적 상호작용이 활발히 발생하는 장소로 소아정서질환의 인터렉티브 치료 시스템에 적합하다[17].

    치료 시나리오는 캐릭터 지정하기와 같은 준비과정 및 순서 지키기와 같은 사회적 상호작용의 시나리오로 구성되어 있으며, 시나리오는 청소년신경정신과 전문의 로부터 자문을 통해 결정되었다. 시나리오 과정에서 가 상 에이전트는 정서를 표정으로 나타내며, 이때 제안된 퍼지 정서 모델이 이용된다.

    <사회적 상호작용 정서 치료 시나리오 예>

    1.기본환경

    • - 교실에 선생님 1인과 학생 6인(1인 : 소아정신질환자 의 아바타, 5인 : 가상 감성 에이전트)로 구성

    • - 전문의 또는 치료사는 시나리오 중간에 언제든지 아 바타에게 질문을 하거나 메시지를 전달할 수 있음

    2.준비과정(캐릭터 지정하기)

    - 본인 아바타, 좋아하는 친구 에이전트, 싫어하는 친 구 에이전트 선택

    3.시나리오(순서 지키기)

    1. 장난감 6개와 숫자카드 6장을 이용한 장난감 선택 규칙 설명

    2. 선생님은 모든 학생들에게 아래 규칙을 지킬 것에 대한 동의를 구함

      - 규칙 1 : 순서를 지켜 장난감을 선택

      - 규칙 2 : 마음에 드는 장난감을 갖지 못하더라 도 친구 장난감을 달라고 하거나 빼앗 지 않음

    3. 각자 마음에 드는 장난감을 순서대로 이야기 함

    4. 숫자 카드를 한 장씩 선택하여 확인

    5. 학생들이 숫자 카드의 숫자가 낮은 순서대로 장난 감을 선택하여 가져감(각 학생들의 정서 상태를 캐 릭터의 표정으로 표시함)

    6. 치료사가 아바타에게 다른 학생들의 정서 상태에 대하여 이야기하게 함

    이후 장난감 블록을 가지고 노는 아이에게서 다른 친구 가 장난감 블록을 빼앗는다고 할 때, <Table 6>과 <Table 8>로부터 아이의 1차 정서는 아래와 같은 방법으로 구할 수 있으며, valence와 arousal은 각각 LowValence와 High- Arousal로 결정된다.

    IF Goal/NeedRelevance(Play with a block, taken away the block by a friend) is VeryHighRelevanceAND IntrinsicPleasantness(Play with a block, taken away the block by a friend) is LowIntrinsicPleasantness

    THEN FirstValence(taken away the block by a friend) is LowValence

    IF Goal/NeedRelevance(Play with a block, taken away the block by a friend) is VeryHighRelevanceAND Predictability(Play with a block, taken away the block by a friend) is HighPredictability

    THEN FirstArousal(taken away the block by a friend) is HighArousal

    위의 결과를 가지고 <Table 7>과 <Table 9>를 이용하 여 2차 정서를 구할 수 있다. 2차 valence와 arousal은 각 각 VeryLowValence와 HighArousal로 결정된다.

    IF FirstValence(Play with a block, taken away the block by a friend) is LowValenceAND Conduciveness(Play with a block, taken away the block by a friend) is Very- LowConduciveness

    THEN SecondValence(taken away the block by a friend) is VeryLowValence

    IF FirstArousal(Play with a block, taken away the block by a friend) is HighArousalAND Urgency(Play with a block, taken away the block by a friend) is High- Urgency

    THEN SecondArousal(taken away the block by a friend) is HighArousal

    마지막으로 dominance는 <Table 10>에 따라서 아래와 같이 LowDominance로 결정된다.

    IF Control(Play with a block, taken away the block by a friend) is LowControlAND Power(Play with a block, taken away the block by a friend) is LowPower

    THEN Dominance(taken away the block by a friend) is LowDominance

    5.결 론

    본 논문은 컴퓨터상에서 감성 에이전트를 위한 정서 모델을 제안하였다. Scherer의 정서 요소 이론은 인간의 정서를 보다 폭넓은 측면에서 접근하여 기존의 심리학적 정서 이론에 비해 한 단계 정교화 된 모델로 평가되고 있다. 본 논문에서 제안한 정서 모델은 Scherer의 이론에 기반을 두고 있으나 정서 표상 방법은 정서의 정량적 표 현이 가능한 차원적 접근법을 채택하였다. 차원적 접근 법은 같은 기쁨의 정서라도 정도 차이를 표현할 수 있는 장점이 있다. 본 논문에서는 Scherer가 제시한 심리학적 측면의 정서 요소 이론을 기반으로 하여 소프트웨어 감 성 에이전트를 위한 정서 모델 아키텍처를 제안하였다. 또한, 본 논문은 퍼지 로직을 이용하여 Scherer의 각 단 계별 정서 상태를 결정하는 방법을 제안하였으며, 소아 정서질환의 상호작용 치료 시스템의 감성에이전트를 대 상으로 제안된 방법이 감성에이전트의 정서를 결정하는 데 유용하게 적용될 수 있음을 보였다.

    Figure

    JKISE-37-1_F1.gif

    Comprehensive Illustration of the Component Process Model of Emotion[19, 21]

    JKISE-37-1_F2.gif

    Procedure to Emotion Process Architecture

    JKISE-37-1_F3.gif

    A New Emotion Process Architecture

    JKISE-37-1_F4.gif

    The Fuzzification of Inputs and Outputs

    JKISE-37-1_F5.gif

    Input and Output of Fuzzy Logic to Determine 1st and 2nd Valence

    JKISE-37-1_F6.gif

    Input and Output of Fuzzy Logic to Determine 1st and 2nd Arousal

    JKISE-37-1_F7.gif

    Input and Output of Fuzzy Logic to Determine Dominance

    JKISE-37-1_F8.gif

    Virtual Class for Interactive Therapy System

    Table

    Computing Models of Human Emotion Process

    Relationships between the Functions and Components of Emotion, and the Organismic Subsystems that Subserve Them[20]

    ENJ/HAP, enjoyment/happiness; ELA/JOY, elation/joy; DISP/DISG, displeasure/disgust; CON/SCO, contempt/scorn; SAD/DEJ, sadness/dejection; IRR/COA, irritation/cold anger, RAGE/HOA, rage/hot anger; BOR/IND, boredom/indifference.

    Predicted Appraisal Patterns for Some Major Modal Emotions[19]

    Valence-Arousal-Dominance Value Mapping of Scherer’s Major Modal Emotions

    Correlation Analysis between Scherer’s Criterion and Valence-arousal-dominance

    Fuzzy Logic to Determine the First Valence

    Fuzzy Logic to Determine the Second Valence

    Fuzzy Logic to Determine the First Arousal

    Fuzzy Logic to Determine the Second Arousal

    Fuzzy Logic to Determine the Dominance

    Reference

    1. Arnold MB , Gasson SJ Arnold MB (1954) Feelings and Emotions as Dynamic Factors in Personality Integration , The Human Person : An Approach to an Integral Theory of Personality, Ronald Press,
    2. Barrett LF (1998) Discrete Emotions or Dimensions? The Role of Valence Focus and Arousal Foc , Cognition and Emotion, Vol.12 (4 ) ; pp.579-599
    3. Becker-Asano C (2008) WASABI : Affect Simulation for Agents with Believable Interactivity , Universitat Bielefeld Ph. D. Dissertation,
    4. Bradley MM , Lang PJ (1999) Affective Norms for English Words(ANEW) : Instruction Manual and AffecFuzzy Emotion Model for Affective Computing Agents 11 tive Ratings, Technical Report C-1 , The Center for Research in Psychophysiology, University of Florida,
    5. Chung SY , Yoon HJ (2011) A Framework for Treatment of Autism Using Affective Computing , The Center for Researchin Psychophysiology, University of Florida, pp.8-12
    6. Chung SY , Yoon HJ Emotion Classification Using EEG Spectrum Analysis and Bayesian Approach , Journal of the Society of Korea Industrial and Systems Engineering, to be published,
    7. Dautenhahn K (1998) “The Art of designing socially intelligent agents : Science, fiction and the human in the loop. Applied Artificial Intelligence Journal , Special Issue on Socially Intelligent Agents., Vol.12 (7-8 ) ; pp.573- 619
    8. El-Nasr MS , Yen J , Ioerger TR (2000) “FLAMEFuzzy Logic Adaptive Model of Emotions , Autonomous Agents and Multi-Agent Systems, Vol.3 (3 ) ; pp.219-257
    9. Elliot C (1992) The Affective Reasoner : A Process Modelof Emotions in a Multi-Agent System, Institute for theLearning Sciences , Evanston IL : Northwestern University Ph.D. Dissertation,
    10. Frijda NH , Swagerman J (1987) Can Computers Feel? Theory and Design of an Emotional System , Cognition and Emotion, Vol.1 (3 ) ; pp.235-257
    11. Gratch J , Marsella S (2004) A Domain-Independent Framework for Modeling Emotion , Journal of Cognitive Systems Research, Vol.5 (4 ) ; pp.269-306
    12. Maes P (1995) Artificial life meets entertainment : Lifelike autonomous agents , Communications of the ACM Special Issue on Novel Applications of AI, Vol.38 (11 ) ; pp.108-114
    13. Marsella SC , Gratch J (2009) “EMA : A Process Model of Appraisal Dynamics , Cognitive Systems Research, Vol.10; pp.70-90
    14. Oatley K , Jenkins JM (1996) Understanding Emotions , Backwell,
    15. Ortony A , Clore G , Collins A (1988) The Cognitive Structure of Emotions, Cambridge UniversityPress,
    16. Reilly WS (1996) Believable Social and Emotional Agents,Ph.D. Dissertation, School of Computer Science , Carnegie Mellon University,
    17. Rizzo AA , Klimchuk D , Mitura R , Bowerly T , Buckwalter GB , Kerns K , Randall K , Adams R , Finn P , Tarnanas I , Sirbu C , Ollendick TH , Yeh SC (2005) A virtual reality scenario for all seasons :The virtual classroom, in Proceedings of the 11th InternationalConference on Human Computer Interaction,Las Vegas, USA, pp.22-27
    18. Roseman IJ , Jose PE , Spindel MS (1990) Appraisals of Emotion-Eliciting Events : Testing a Theory of Discrete Emotions , Journal of Personality and Social Psychology., Vol.59 (5 ) ; pp.899-915
    19. Sander D , Grandjean D , Scherer KR (2005) A System Approach to Appraisal Mechanisms in Emotion , Neural Network, Vol.18; pp.317-352
    20. Scherer K (1987) “Toward a Dynamic Theory of Emotion : The Component Process Model of Affective States , Geneva Studies in Emotion and Communication, Vol.1 (1 ) ; pp.1-98
    21. Scherer KR Scherer KR , Schorr A , Johnstone T (2001) Appraisal Considered as a Process of Multi-Level Sequential Checking , Appraisal Processes in Emotion : Theory, Methods, Research (p 92-120), Oxford University Press, pp.92-120
    22. Shibata T , Inoue K , Irie R (1996) Emotional robot for intelligent system-Artificial emotional creature project , IEEE International Workshop on Robot and HumanCommunication, Tokyo, Japan, pp.466-471
    23. Wundt W (1905) Grundzuge der Physologischen Psychologie , Leipzig : Engelmann,
    24. Yoon HJ , Chung SY (2013) EEG-Based Emotion Estimation Using Bayesian Weighted-Log-Posterior Function and Perceptron Convergence Algorithm , Computers in Biology and Medicine, Vol.43 (12 ) ; pp.2230-2237
    Copyright © KOREAN SOCIETY OF INDUSTRIAL AND SYSTEMS ENGINEERING. All rights reserved.
    #425, Anyang trade-center, Simin-daero 161, Dongan-gu, Anyang-si, Gyeonggi-do, 14048, Korea