跳到主要内容

机器人情绪与动作系统设计最佳实践

综合自：reachy-mini-conversation-app（Pollen Robotics）

问题描述​

如何为社交机器人设计情绪和动作系统，使其：

  • 在交互时表现自然
  • 在空闲时保持鲜活感
  • 支持多种情绪/动作的无缝切换
  • 与语音同步产生有机的运动

核心设计原则​

1. 永不静止（Always Alive）​

原则：机器人永远不应该完全静止。

实现：

  • 空闲 0.3 秒后自动进入呼吸动画
  • 呼吸参数：5mm Z 轴浮动 + 天线交替摆动
  • 频率接近人类呼吸（6 次/分钟）

理由：静止的机器人显得机械和"死亡"，持续的微运动创造亲和感。

2. 双层融合架构​

架构：

┌─────────────────────────────────────┐
│         最终姿态输出（100Hz）         │
├─────────────────────────────────────┤
│  主要动作（互斥）  +  次要偏移（叠加）  │
│  ├─ 情绪          ├─ 语音摆动        │
│  ├─ 舞蹈          └─ 人脸追踪        │
│  ├─ Goto 定位                       │
│  └─ 呼吸                            │
└─────────────────────────────────────┘

理由：

  • 主要动作互斥避免冲突
  • 次要偏移叠加增加自然感
  • 单一控制点确保一致性

3. 音频驱动自然运动​

原则：说话时的运动应该由音频实时驱动。

关键参数：

参数值作用
延迟补偿200ms对齐音频与机械延迟
VAD 开启阈值-35 dB检测语音开始
VAD 关闭阈值-45 dB滞后避免抖动
振荡轴数6 轴pitch/yaw/roll/x/y/z

理由：

  • 多轴独立振荡避免机械感
  • 响度驱动幅度保持动态
  • 随机初始相位增加有机感

方案比较​

动作触发方式​

方式优点缺点适用场景
LLM 工具调用上下文相关、智能选择延迟较高交互式情绪表达
随机触发简单、不可预测缺乏意图空闲时的自发行为
时间触发可预测、可控机械感定期演示
音频驱动自然同步需要音频输入说话时的辅助运动

推荐：组合使用 - LLM 决定"做什么"，音频驱动"怎么做"，随机增加"变化"。

呼吸状态设计​

参数保守值活跃值推荐
Z 轴浮动3mm10mm5mm
呼吸频率0.08 Hz0.15 Hz0.1 Hz
天线摆动10°20°15°
天线频率0.3 Hz0.7 Hz0.5 Hz

推荐：使用保守值作为基础，在特定人格或情绪状态下调整。

决策矩阵​

场景推荐方案理由
用户说话时语音摆动 + 天线冻结避免干扰监听
机器人说话时语音摆动 + 情绪动作增强表达力
短暂空闲（<15s）呼吸动画保持鲜活感
长时间空闲（>15s）LLM 触发创意动作主动吸引注意
情绪切换插值过渡（1s）避免突变

推荐最佳实践​

设计层面​

  1. 分层设计：将情绪、舞蹈、呼吸作为独立的 Move 对象，通过队列顺序执行

  2. 单一控制点：所有运动通过统一的 set_target 输出，避免并发冲突

  3. 线程安全：控制循环独占状态，外部通过消息队列通信

  4. 时间对齐：使用单调时钟，避免系统时间跳跃影响动画

参数层面​

  1. 呼吸优先：任何空闲状态都应该回到呼吸，而不是完全静止

  2. 天线异步：两天线使用相反方向摆动，打破对称感

  3. 相位随机：每次会话使用不同的初始相位，避免重复感

  4. 响度映射：运动幅度应该与音量正相关，使用 gamma 曲线调整

时长与调用层面​

  1. 时长协议：所有 Move 必须实现 duration 属性，控制循环依赖它判断完成

  2. 复合时长：多个子动作组成的复合动作，总时长 = Σ 子动作时长

  3. 即时响应：收到完整工具参数后立即执行，异步返回结果给 LLM

  4. 空闲区分：空闲触发的工具调用不生成语音回复，避免打扰

动作时长设计​

时长类型​

动作类型时长来源特点
情绪动作预录制数据固定，由录制决定
舞蹈动作程序生成固定，由动作定义
Goto 定位参数指定可配置（默认 1s）
呼吸动作float("inf")无限循环，被中断

时长判断​

当前时间 - 开始时间 >= 动作时长  →  动作完成，开始下一个

流式工具调用流程​

OpenAI Server → response.function_call_arguments.done
                     ↓
              dispatch_tool_call()
                     ↓
              Tool.__call__()
                     ↓
              movement_manager.queue_move()
                     ↓
              function_call_output → OpenAI Server

关键事件：response.function_call_arguments.done 表示参数完全接收，触发执行。

应避免的反模式​

反模式问题替代方案
直接操作姿态绕过队列导致冲突通过队列提交 Move
完全静止机械感、"死亡"感持续呼吸动画
对称运动机械、不自然天线/相位异步
固定相位重复、可预测随机化初始相位
控制循环 I/O阻塞导致掉帧异步/预取数据
突然切换廉价感插值过渡
时长不准动作截断或拖沓精确计算 duration
流式参数处理参数不完整等待 .done 事件

实现检查清单​

  • 呼吸动画在空闲 0.3 秒后自动启动
  • 所有主要动作通过统一队列管理
  • 所有 Move 实现 duration 属性
  • 语音摆动与音频输出同步（200ms 延迟）
  • 天线在监听时冻结，恢复时平滑混合
  • 空闲 15 秒后触发 LLM 创意动作
  • 每次会话随机化振荡相位
  • 控制循环保持 100Hz 稳定
  • 工具调用等待完整参数再执行

参考​

创建时间：2026-03-02 更新时间：2026-03-02