EEG 情感识别领域的新突破：MASA-TCN统一模型的提出与实验分析 学术背景与研究动机 人类情感识别（Emotion Recognition）一直是神经科学、人工智能以及人机交互领域的热点研究方向。通过对个体情绪状态的自动识别，可以服务于心理健康管理、智能辅助系统、以及更自然的人机互动，为抑郁、焦虑、孤独症谱系障碍等精神疾病患者提供有效干预与监测。然而，情感识别技术的发展主要集中在基于语音、面部表情等外部表现的信号，尽管这些信号易于采集，但极易受到被试主观控制或掩盖，缺乏对大脑真实情感状态的精准捕捉。 相比之下，脑电图（Electroencephalogram, EEG）作为一种非侵入、低成本、高时序分辨率的脑成像工具，能够直接反映大脑内在的情感神经活动，因此在情感识别领域具有独特优势。...

学术背景 触觉是人类最早发展的感觉之一，对身心健康至关重要。然而，在虚拟通信日益普及的今天，远程交流中缺乏触觉互动可能导致焦虑、孤独感等心理问题。以往研究表明，触觉能有效传递情感（如抚摸传递爱意，拍打传递愤怒），但其机制尚未通过跨模态（如听觉）实现远程传递。 本研究结合社交触觉（social touch）和运动声学化（movement sonification）领域的前沿成果，提出“音频触觉（audio-touch）”技术，旨在解决以下问题： 1. 触觉交互的物理特征（如力度、速度）能否通过声音准确传递？ 2. 触觉背后的社会情感意图（如愤怒、同情）能否通过声学化被识别？ 3. 交互表面的材质（皮肤vs.塑料）是否影响听觉感知？ 论文来源 作者：Alexandra de Lagarde（So...

生理数据在与拟人化服务机器人进行人机交互中的应用：Affect-HRI数据集 背景与研究意义 在人类与人类、人类与机器人互动中，交互对象会影响人类的情感状态。与人类不同，机器人本质上无法表现出同理心，因此无法缓解不利的情感反应。为了创建一个负责任且具有同理心的人机交互系统，尤其是在涉及拟人化服务机器人时，必须了解机器人行为对人类情感的影响。为此，研究人员提供了一个新的综合数据集Affect-HRI，首次包括了标记有人类情感（即情绪和心情）的生理数据，这些数据是在进行的一项人机交互研究中收集的。 研究来源 该研究论文由Judith S. Heinisch、Jérôme Kirchhoff、Philip Busch、Janine Wendt、Oskar von Stryk和Klaus David...