VUA 基座 4 · 情感交互
AuraCore 情感交互引擎
VUA 情感交互模型基座的工程实现：从「压缩视听信号」升级为「感知情感状态」，将表情、语气、注视、姿态与关系变化编码为可计算变量，让机器人从工具走向伙伴。
AuraCore 为端侧情感感知与交互软件运行时，非芯片产品；高敏原始信号默认端侧处理，对外输出标签或脱敏特征。筛查与陪伴类能力为辅助决策，不可替代执业医师或持证心理师。
技术起源 · 视频编码中的感知与压缩
如何高效表示视听信号？
ROI 编码
聚焦关键区域，压缩无关信息
感知编码
保留人眼 / 人耳敏感特征
时序残差建模
只编码变化，提升时序效率
高效压缩与重建
在有限带宽下保留关键信息
能力升级 · 从信号到情感状态
信号压缩 → 状态理解
多模态输入
- 表情
- 语气
- 注视
- 姿态
- 关系变化
情感状态空间
将多模态线索映射为可计算情感变量，支撑持续追踪与策略生成。
可计算情感变量
- 情绪状态
- 意图倾向
- 关注焦点
- 交互需求
- 关系边界
技术路径 · 构建情感交互世界模型
STEP 1
多模态感知编码
视听等多通道信号接入
STEP 2
情感特征提取
识别情绪相关标记与变化
STEP 3
情感状态追踪
持续跟踪情绪 / 状态随时间演变
STEP 4
意图识别与需求预测
需要帮助？信息？陪伴？是否困惑？
STEP 5
社会关系推理
理解关系节点、亲疏与边界
STEP 6
情感交互生成
语言 · 表情 · 行为协同输出
机器人情感交互能力
「我理解你现在有点累，我可以帮你分担一些任务。」
情绪理解
识别高兴、惊讶、困惑、生气、悲伤等情绪状态。
意图理解
理解明确请求（如「帮我倒杯水」）与隐含状态（如「我有点累」）。
关系感知
感知亲疏、协作、尊重与边界，避免越界交互。
自然交互生成
生成匹配的语言、表情与行为，形成可落地的陪伴与协作。
核心价值
情绪理解
理解人类情绪与心理状态
意图识别
识别真实意图并预测需求
社会推理
推理社会关系与交互边界
自然交互
生成匹配的语言、表情与行为
信任建立
建立情感连接，成为可信伙伴
长期陪伴
持续学习，长期支持与陪伴人类
演进逻辑
视频模型
看到了什么？
语义模型
理解了什么？
场景模型
在哪里，能做什么？
情感模型
你需要什么，我如何陪伴？
让机器人从工具进化为伙伴：理解情绪、感知需求、建立信任、恰当表达、主动关心与长期陪伴。
把视频编码中的视听压缩能力，升级为机器人理解情绪、建立信任、提供陪伴与协作的情感交互能力。