教学交互及社会情感学习研究表明，虚拟学习环境中教师和学习者之间的交互是影响学习效果的重要因素，其中教师与学习者之间的情感交互尤为重要。而无生命的虚拟学习环境却缺乏教师与学习者之间的交互。虚拟教师生活在虚拟学习环境中，可以在教师无法实时在线的情况下，代替教师与学习者进行包含情感在内的全方位交互。“虚拟教师如何能够在虚拟学习环境中存活、具有自学习、自适应性，并选择自己的行为”是将虚拟教师加入虚拟学习环境中的首要问题，研究情感驱动的虚拟教师的行为及行为选择技术是解决该问题的基础性研究工作。本研究以心理学领域的情绪模型为基础，以人工生命技术为实现方法，以三维分布式虚拟环境Netlogo为仿真平台，探索了虚拟教师的行为学习策略及行为选择模型。具体包括以下几个方面的内容....
ABSTRACT
Many researches on the teaching interaction and social emotion learning show that the interaction, especially the affective interaction between teachers and students has a great influence on learning effects in virtual environment. At present,education researchers are all faced to the problem. It is how toimprove their social emotion learningand set up a set of positive ethical guidelines for them while imparting people knowledge. To solve this problem, it is necessary to study and explore emotion-driven virtual teacher's behaviors and the behavior planning methods in VLEs. Based on the emotional model in psychology, this paper is to study teachers’interaction in teaching scenes. Through the artificial life technology, we explore virtual teachers’behavior learning strategies and planning methods in the three-dimension distributed environment Netlogo. This paper includes the following 5 aspects...
目录
Interaction Behaviours Key Technologies II
of Pedagogical Virtual Agents IIABSTRACT II
1.1 人工生命行为选择机制研究现状 1
1.1.1 人工生命学科 1
1.1.2 高级人工生命 3
1.1.3 人工生命行为及行为选择 4
1.1.4 人工生命行为选择机制的研究现状 6
1.1.5 行为选择机制研究意义 11
1.2 逆向增强学习概况 12
1.2.1 逆向增强学习研究及存在问题 14
1.2.2 示教策略的非最优性 16
1.2.3 回报函数估计序贯化 17
1.2.4 回报函数的分布表示和估计 18
1.3 等级分层机制 19
1.3.1 等级分层行为结构 19
1.3.2 情绪驱动的等级分层行为选择机制 20
第2章 基础理论 22
2.1 不确定性人工智能 22
2.1.1 确定性理论 23
2.1.2 主观Bayes方法 24
2.1.3 证据理论 24
2.2 计算智能 25
2.2.1 模糊系统 26
2.2.2 进化计算 30
2.2.3 人工神经网络 32
第3章 三维虚拟教师行为决策模型 41
3.1 虚拟现实技术支持下的教与学 41
3.2 三维虚拟学习环境中的虚拟教师的交互特点 42
3.3 三维虚拟教师交互行为决策模型 44
3.3.1 三维虚拟教师层次行为知识库 45
第4章 虚拟教师情绪模型 50
4.1 情绪的定义 50
4.1.1 目前的情绪定义 50
4.1.2 情绪机制理论 51
4.1.3 情绪定义 52
4.2 情绪模型 52
4.3 虚拟教师情绪跃阶模型 54
第5章 基于神经网络的虚拟教师学习策略 62
5.1 模糊人工神经网络 62
5.2 基于逆向学习的虚拟教师学习策略 66
第6章 情绪驱动的虚拟人行为选择模型 69
6.1 竞争型机制 69
6.1.1 行为性质分类 69
6.1.2 竞争型情绪行为选择机制 70
6.1.3 仿真试验设计及仿真结果分析 71
6.2 合作型机制 77
6.2.1 多前景行为选择理论 77
6.2.2 资源行为关系理论分析 78
6.2.3 仿真试验设计及仿真结果分析 79
6.3 对抗机制 81
6.3.1 情绪驱动的战斗行为机制 81
6.3.2 战斗结果产生机制 82
6.3.3 战斗行为情绪驱动机制 84
6.3.4 仿真试验设计及仿真结果分析 86
第7章 总结和展望 91
7.1 主要研究成果和创新点 91
7.1.1 主要研究成果 91
7.1.2 创新点 91
7.2 研究不足和前景展望 92
参考文献 93
致谢 94
攻读博士学位期间的主要科研工作情况 95
图目录
图1. 情绪影响行为选择机制的层次结构 10
图2. 信息-知识-智能转换：智能生成的共性核心机制 12
图3. 增强学习 13
图4. 控制策略的生成和执行 14
图5. 等级分层行为结构 19
图6. 不确定性人工智能模型方法分类 22
图7. 经典集合和模糊集合的特征函数 27
图8. 模糊集合的运算不满足“互补律” 28
图9. 三角和梯度隶属度函数 29
图10. 正态型和Sigmoid隶属度函数 29
图11. 模糊控制器结构 30
图12. 达尔文进化论与模拟进化计算 31
图13. 遗传算法的简单流程 31
图14. 两种遗传算法选择模式 32
图15. 神经元的简单示意图 33
图16. 神经元的简单示意图 34
图17. 阈值型神经元的输入/输出特性 34
图18. 分度线性型神经元的输入/输出特性 35
图19. S型神经元的输入/输出特性 35
图20. 使用Hebb规则的简单模式联想网络 36
图21. 单层感知器 37
图22. 多层感知器 38
图23. BP模型拓扑结构 38
图24. 竞争学习网络 39
图25. 三维环境中通过媒介利用化身与虚拟角色交互 43
图26. 三维虚拟教师行为决策模型 45
图27. 社会存在感的三层次及六维度模型 46
图28. 虚拟教师层次行为知识库 47
图29. 三维虚拟教师外形示例（严肃、中立、活泼） 48
图30. 三维情绪模型 53
图31. 情绪跃阶模型 55
图32. 情绪逻辑结构 56
图33. 基本情绪逻辑结构模型 57
图34. 感觉函数模型 61
图35. 效用函数模型 61
图36. 羊-狼竞争机制仿真界面 73
图37. 狼群个体情绪变化趋势 75
图38. 羊群个体情绪变化趋势 75
图39. 理想情况下羊-狼数量变化趋势图 75
图40. 羊-狼竞争模型动态变化能力示意图 76
图41. 人工智能个体行为与情绪变化趋势 77
图42. 竞争实验971个单位时间后羊-狼数量变化情况 77
图43. 羊-狼活动频率增量变化趋势 78
图44. 羊-狼合作模型动态变化能力示意图 81
图45. 合作实验971个单位时间后羊-狼数量变化情况 81
图46. 羊群个体情绪变化幅度 82
图47. 狼群个体情绪变化幅度 82
图48. 对抗机制模拟界面 89
图49. 对抗双方变化能力示意图 89
图50. 对抗双方情绪变化趋势 90
图51. 对抗中个体对外输出信息量变化趋势 90
表目录
表1. 社会情感学习关键技能 2
表2. 智能虚拟Agent研究内容（9th IVA & 10th IVA） 6
表3. 智能虚拟Agent研究内容（11th IVA） 7
表4. 交互的典型分类 13
表5. 增强Agent与学习者交互框架 31
表6. 体态及动作分类表 33
表7. 传统的行为选择机制类型 42
人工生命行为选择机制研究现状
人工生命学科
人工智能在1956年诞生后的十多年中，出现了专家系统和知识工程两大热点。计算机在模拟高层次的智能：如定理证明、问题求解、逻辑推理和规划、博弈等领域取得了重大突破，但它却无法解决目前存在的诸多问题：例如不确定性知识问题、许多常识性推理问题、对听觉及视觉等低层次智能的识别能力问题、不能进行直觉思维的问题等[ ]。一些研究者将以上“以知识为基础的研究”遇到的问题，归咎于计算机的处理能力。还有一些专家认为传统人工智能自上而下的研究的方法存在着根本缺陷。因此，兴起了自主Agent的相关研究（AutonomousAgentResearch）[85]...
总结和展望
主要研究成果和创新点
本文利用经典的达尔文自然选择法则作为情绪影响行为的准则，将虚拟人的生存资源作为产生行为意愿的内因，利用行为效率的生理机制作为情绪产生的出发点。在分析不同情绪之间的关系后，进一步明确情绪维度模型和行为之间的关系，通过生存资源与情绪强度模型引出行为图式函数，从而实现情绪对行为的控制作用...
