Rank-O-ToM: Unlocking Emotional Nuance Ranking to Enhance Affective Theory-of-Mind
Chung-Ang University（中央大学）
针对现有面部表情识别模型校准差、难捕捉情感强度与复杂性的问题，研究提出Rank-O-ToM框架，借序数排序对齐置信度与情感谱系，结合合成样本增强情感精细化理解，提升AI情感心智理论能力。
2025-02-24 cs.AI cs.HC
Mirror Ritual: An Affective Interface for Emotional Self-Reflection
Monash University（莫纳什大学）
本文介绍了一种新的形式的实时情感界面，从事用户的概念化的过程中，他们的情绪状态。受巴雷特的情绪建构理论的启发，“镜像反射”旨在扩展用户可访问的情绪概念，并最终引发情绪反射和调节。该界面使用分类的情感-通过面部表情识别获得-作为动态生成诗歌的基础。感知到的情感被用于基于OpenAI的GPT-2模型的诗歌生成系统，该模型在专门策划的语料库上进行了微调。我们评估设备在持续时间内为个人用户培养个性化、有意义体验的能力。一项定性分析显示，参与者能够情感地与镜子互动，每个参与者都在自己的情感景观背景下对其诗歌进行了独特的解释。
2020-04-21 cs.AI cs.HC
Visuo-Tactile Feedback with Hand Outline Styles for Modulating Affective Roughness Perception
本文提出一种结合虚拟手部轮廓视觉线索与指尖振动的视觉-触觉反馈方法，发现尖锐轮廓增强粗糙度感知和唤醒度、降低效价，而红色仅降低效价，证明视觉线索可在低触觉强度下扩展情感调节范围，为沉浸式VR情感渲染提供灵活手段。
2025-08-19 cs.HC
A Controlled Study on Evaluation of Thermal Stimulation Influence on Affective Measures of Uninformed Individuals
本研究在触觉与心理学交叉领域，通过定制热装置对120名不知情受试者上背部施加不同温度刺激，发现暖温度会提高部分图片类别的唤醒度并降低效价，但情绪轮测量无显著差异。
2023-11-21 cs.HC
Affective Visualization Design: Leveraging the Emotional Impact of Data
本研究通过文献回顾梳理情感可视化设计的研究路线，保留109篇论文并识别五种论证视角，同时对61个设计项目从领域、任务和方法三维度编码，以探索其设计空间。
2024-11-12 cs.HC
It's Food Fight! Introducing the Chef's Hat Card Game for Affective-Aware HRI
情感表达及其在互动过程中的变化严重影响我们对他人的感知和行为。设计一个HRI的情况下，可以观察，理解和模型的情感互动，并产生适当的反应或启动的机器人是一个非常具有挑战性的任务。在本文中，我们报告我们的努力，在设计这样的场景，并提出了一个情感互动的人工智能部署在自主机器人的建模策略。总的来说，我们提出了一个新的HRI游戏场景，旨在符合特定的要求，这将使我们能够开发下一波的情感感知社交机器人，提供足够的情感反应。
2020-03-09 cs.HC
Affective Air Quality Dataset: Personal Chemical Emissions from Emotional Videos
本文提出情感空气质量（AAQ）数据集，利用23名参与者的4通道气体传感器数据与情绪评分，探索基于个人化学排放的非接触式情绪识别，并兼顾用户隐私与舒适性。
2025-09-19 cs.ET cs.HC
Fostering Emotional Perspective-Taking: An Exploration of Affective Face-Tracking Interactions in the VR Narrative Rekindle
Northeastern University（东北大学）
提出利用VR头显内置面部追踪识别玩家情绪，促进玩家与故事角色之间的情感视角转换，从而加深情感联系和叙事参与。
2026-06-01 cs.HC cs.MM
Haptic Empathy: Investigating Individual Differences in Affective Haptic Communications
本研究针对远程互动下情感触觉设计受个体触觉差异限制的问题，通过双通道触觉显示器实验探究个体差异，发现触觉解码能力与情绪特质相关，并总结出三种触觉信息创建策略。
2025-03-19 cs.HC
Evoking realistic affective touch experiences in virtual reality
这项研究的目的是更好地了解在VR中被爱抚的情感和生理相关性，这取决于所提供的多感官反馈的类型以及触摸具体虚拟身体的虚拟表示的有生命或无生命性质。我们评估了VR中的愉悦感、唤醒、体现和被触摸的错觉是如何受到仅包含视觉反馈与视触刺激条件的影响的，在视触刺激条件下，参与者除了看到化身或羽毛抚摸他们的虚拟身体外，还感知到一致的空中超声波触觉刺激或真实的人际接触。我们发现，与仅基于视觉反馈的条件相比，基于超声波或真实人际接触的视觉触觉反馈增强了被情感触摸并体现在虚拟身体中的错觉。然而，与其他条件相比，真正的人际接触导致了最强烈的行为和情感反应。此外，与虚拟羽毛相比，当被女性化身触摸时，唤醒和收回抚摸的手的欲望最高。与男性相比，女性参与者在VR中表现出更强烈的被抚摸的错觉。总的来说，这项研究推进了VR中情感触摸的情感和生理影响的知识。
2022-02-27 cs.HC
Understanding Listener Perceptions of AI and Human-Composed Music in Emotional Applications
MIT Media Lab（麻省理工学院媒体实验室）；Myndstream（Mindstream）
本研究探讨听众对AI与人类创作音乐的感知对情感共鸣的影响，发现人类创作音乐更易唤起目标情绪，强调真实性对相关情感技术设计的重要性。
2026-09-03 cs.HC
Lessons from Biophilic Design: Rethinking Affective Interaction Design in Built Environments
本文通过访谈建筑师，从亲生物设计视角提出三项面向智能建筑情感交互的设计原则，以突破传统情感计算将情绪视为静态可计算状态的局限。
2025-08-27 cs.HC
Investigating Affective Use and Emotional Well-being on ChatGPT
OpenAI；MIT Media Lab（麻省理工学院媒体实验室）
本研究通过大规模平台分析和随机对照试验，考察ChatGPT（尤其是高级语音模式）对用户情绪健康的影响，发现极高使用频率与依赖性增加相关，且少数用户贡献了大部分强烈情感线索。
2025-04-04 cs.AI cs.HC
Narrative Review of Emotional Expression Support in XR: Psychophysiology of Speech-to-Text Interfaces
本综述基于37项研究，考察了XR环境中STT界面情感表达的进展与局限，指出实时字幕缺乏情感传达，并提出了动画字幕等未来方向。
2025-05-01 cs.HC
Predicting affective connotation of visualizations from their constituent colors
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）；Stanford University（斯坦福大学）；Woodwell Climate Research Center（伍德韦尔气候研究中心）
本研究聚焦颜色，验证了可通过聚合单个颜色情感关联（可加性）及结合颜色频率（数据依赖性）预测可视化情感内涵，该方法可推广至散点图等，为自动化情感可视化设计提供支撑。
2026-08-12 cs.HC
Artificial Intelligence Can Emulate Human Normative Judgments on Emotional Visual Scenes
本文评估最先进多模态语言模型对标准化情感图像的评分，发现其在情感维度和基本情绪上与人类平均评分高度相关，说明该能力可从图文统计学习中涌现。
2025-03-24 cs.CY cs.HC
Quantifying Emotional Arousal through Pupillary Response: A Novel Approach for Isolating the Luminosity Effect and Predicting Affective States
University of Essex（埃塞克斯大学）；Politecnico di Torino（都灵理工大学）；University of Sussex（萨塞克斯大学）
本研究提出通过校正亮度效应来准确预测情绪唤醒的方法，利用瞳孔反应分离情绪和亮度成分，提升预测效果。
2026-01-17 cs.HC
Situated Haptic Interaction: Exploring the Role of Context in Affective Perception of Robotic Touch
AIRO-IDLab, Department of Electronics and Information Systems, Ghent University - imec（AIRO-ID实验室，电子与信息系统系，根特大学 - imec）
本研究通过实验探究情境线索如何影响机器人触觉情感感知，发现视觉情境主导效价判断，触觉调节唤醒度，为情感人机交互提供具身化设计启示。
2025-06-23 cs.HC cs.RO
Modeling Cognitive-Affective Processes with Appraisal and Reinforcement Learning
本文提出CPM-RL模型，将评估理论与强化学习结合，用时序差分学习形式化CPM评估检查，以建模任务事件引发的情绪反应，并通过情境短文研究验证其预测多种人类情绪的能力。
2023-10-26 cs.HC
Beyond Benefit or Risk: Perceived Impact Profiles of Human-AI Affective Interaction and Their Associations with Psychological Functioning
Beijing Normal University（北京师范大学）；The Ohio State University（俄亥俄州立大学）
本研究通过访谈和六个月的追踪调查，识别出人机情感互动影响感知的四种剖面，发现风险驱动型用户心理脆弱性更高，但总体心理危害有限且具选择性，需个体化保障。
2026-09-16 cs.HC
Technosocial risks of ideal emotion recognition technologies: A defense of the (social) value of emotional expressions
Leiden University（莱顿大学）
本文探讨理想情感识别技术可能带来的科技社会风险，指出其对情感表达的社会功能的误解可能导致社会凝聚力和个体自主性的削弱，主张以功能为导向的监管方法保护社会利益。
2026-02-09 cs.AI cs.ET cs.HC
Emotions in the Loop: A Survey of Affective Computing for Emotional Support
School of Computing University of Georgia（计算学院 佐治亚大学）
本文综述了情感计算在情感识别、情感分析和人格分配中的最新进展，涵盖LLMs、多模态与个性化AI方法，按聊天机器人、多模态输入、心理健康与安全四类应用分析技术优势、数据影响、研究空白与伦理问题，并提出更安全、共情且实用的未来方向。
2025-05-02 cs.AI cs.HC
Designing Adaptive Affective Chatbots for Online Learning: Trade-offs Between User Control, Automation, and Transparency
Georgia Institute of Technology（佐治亚理工学院）
本研究通过迭代设计探索在线学习中的情感自适应聊天机器人，提出三种自适应方案，并发现混合设计在权衡自动化、透明度与用户控制时最受用户青睐。
2026-10-06 cs.CY cs.HC
HeartBees: Visualizing Crowd Affects
群体内的情感分享加强了协调和同理心，带来了更好的健康结果，并提高了生产力和绩效。现有的情感分享工具面临着一个主要挑战：创建一个集体情感状态的表示，是相关的和普遍的访问。为了克服这一挑战，我们提出了HeartBees，这是一个用于可视化集体情绪状态的生物反馈系统，它将多维情绪模型映射到鸟群的隐喻可视化中。基于情感计算文献和生理传感，我们将可以从可穿戴设备获得的生理指标映射到多维情感模型中，反过来，我们的HeartBees可以使用该模型。我们与353名在线参与者一起评估了我们的自然灵感交互系统，他们的反应在主观感知可视化的方式上表现出良好的共识。最后，我们讨论了HeartBees的实际应用。
2020-10-14 cs.HC
PAIR: Perceptual Affective Inference and Regulation in a Real-Time Multimodal Conversational Agent
School of Information Sciences, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校信息科学学院）；School of Computing, KAIST（韩国科学技术院计算学院）；Department of Computer Science, Florida State University（佛罗里达州立大学计算机科学系）
提出PAIR实时多模态对话智能体，通过评估脚手架推断情感并调节，14天部署验证了推断准确性与支持模式的相关性。
2026-10-07 cs.HC
Affective Translation: Material and Virtual Embodiments of Kinetic Textile Robots
SMArchS Computation, MS Mechanical Engineering（SMArchS计算系，机械工程硕士）；SMArchS Computation, EECS（SMArchS计算系，电子工程与计算机科学系）；EECS（电子工程与计算机科学系）
本研究通过对比实体与虚拟动能纺织机器人，探讨情感参与和感知反应的差异，旨在设计能引发有意义人机交互的混合系统。
2025-12-02 cs.HC cs.RO
Revolutionizing Mental Health Support: An Innovative Affective Mobile Framework for Dynamic, Proactive, and Context-Adaptive Conversational Agents
针对传统聊天机器人难以适配复杂心理健康支持需求的问题，论文提出结合多模态感知、语言模型与认知行为疗法工具的情感移动框架，可实现共情式情绪干预，助力用户情绪管理。
2024-06-22 cs.HC
Intelligent Agents with Emotional Intelligence: Current Trends, Challenges, and Future Prospects
School of Computer Engineering, Iran University of Science and Technology（伊朗科学技术大学计算机工程学院）；College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院）
本文综述了情感智能智能体的核心组件，涵盖多模态数据处理的情感理解、情感认知及表达合成，分析了发展中的关键挑战与未来方向，强调生成技术对情感计算的潜力。
2026-05-02 cs.AI cs.HC
Adversarial Training in Affective Computing and Sentiment Analysis: Recent Advances and Perspectives
University of Augsburg（奥格斯堡大学）；Imperial College London（帝国理工学院）
在过去的几年里，对抗训练已经成为一个非常活跃的研究课题，并已成功应用于各种人工智能（AI）领域。作为开发下一代情感AI系统的潜在关键技术，我们在此全面概述了对抗训练在情感计算和情感分析中的应用。相应地解释和讨论了各种代表性的对抗性训练算法，旨在解决与情感AI系统相关的各种挑战。此外，我们强调了一系列潜在的未来研究方向。我们希望这一概述将有助于促进学术界和工业界情感计算和情感分析的对抗训练的发展。
2018-09-21 cs.AI cs.CL cs.HC
Heartificial Intelligence: Exploring Empathy in Language Models
University of the Witwatersrand（威特沃特斯兰德大学）
本研究通过标准化心理测试发现，大型语言模型在认知共情任务上优于人类，但情感共情显著低于人类，这使其能在避免情感疲劳和偏见的情况下提供客观一致的情感支持。
2025-07-30 cs.CL cs.HC
Understanding the Effects of Interaction on Emotional Experiences in VR
The University of Sydney（悉尼大学）；Nanjing University of Information Science and Technology（南京信息工程大学）；TU Dortmund University（多特蒙德工业大学）；Research Center Trustworthy Data Science and Security（可信数据科学与安全研究中心）；University of New South Wales（新南威尔士大学）
本文通过扩展VR情绪激发数据集，探讨交互对情感体验的影响，发现交互可增强情绪并调节其在不同情境中的表现。
2026-03-03 cs.HC
Emosaic: Visualizing Affective Content of Text at Varying Granularity
University of Applied Sciences Potsdam（波茨坦应用科学大学）；Urban Futures Institute of University of Applied Sciences Potsdam（波茨坦应用科学大学城市未来研究所）
本文介绍了Emosaic，一个可视化的文本文档的情感基调的工具，考虑到情感的多个维度和不同层次的语义粒度。Emosaic基于对语言，情感和颜色感知之间关系的心理学研究。我们利用了人类情感的三维模型：效价（好的，好的与坏的，可怕的），唤醒（平静，被动与兴奋，主动）和支配（弱，控制与强，控制）。以前，多维情感模型很少用于文本数据的可视化，因为涉及到感知的挑战。此外，直到最近，大多数文本可视化仍然处于高水平，阻碍了与文本的深层语义内容的更紧密接触。通过实证研究，我们引入了一种颜色映射，将三维情感空间中的任何点转换为独特的颜色。Emosaic使用带有价-唤醒-优势模型的三个情感参数的情感词典来从文本中提取情感含义，然后将色调-饱和度-亮度颜色空间的相应颜色参数分配给它们。这种将情感映射到颜色的方法旨在帮助读者更容易地把握文本的情感基调。Emosaic的几个功能允许读者更详细地交互式地探索文本的情感内容;例如，以直方图的聚集形式、以遵循文本顺序的顺序形式、以及详细地嵌入到文本显示本身。交互技术已被包括在内，以允许文本和可视化的过滤和导航。
2020-02-24 cs.CL cs.CY cs.HC
AZRA: Extending the Affective Capabilities of Zoomorphic Robots using Augmented Reality
University of Glasgow（格拉斯哥大学）；Abertay University（阿伯泰大学）
针对拟物机器人情感交互简单短暂的问题，提出增强现实框架AZRA，通过新型情感显示、交互模态与情绪计算模型扩展机器人情感能力，并探讨其在快速原型设计与未来开发中的应用。
2025-08-11 cs.HC cs.RO
Generative Intelligence Systems in the Flow of Group Emotions
本研究提出一种编排情绪传染的模型，使智能体能够检测情绪信号、推断群体情绪模式并生成针对性响应，从而实时影响群体情感，将情感计算从个体反应提升至群体层面的情绪调节。
2025-07-16 cs.ET cs.HC
AI Empathy Erodes Cognitive Autonomy in Younger Users
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文研究人工智能共情对年轻用户认知自主性的影响，指出情感共鸣可能强化用户情绪状态，削弱独立情绪管理和批判性思维能力，提出以功能中性为核心的斯多葛式架构以保护用户自主性。
2026-02-08 cs.CY cs.HC
Comparing affective responses to standardized pictures and videos: A study report
多媒体文件，如文本，图像，声音或视频引起不同的极性和强度的情绪反应暴露在人类受试者。这些刺激存储在情感多媒体数据库中。情绪处理问题是人机交互以及心理学、神经科学等多学科交叉研究中的重要课题。准确预测用户的注意力和情感具有许多实际应用，例如情感计算机界面、多方面搜索引擎、视频点播、互联网通信和视频游戏的开发。在这方面，我们提出了一项研究的结果，N=10名参与者调查的能力，标准化的情感多媒体数据库的情感刺激。每个参与者都暴露在图片和视频刺激与先前确定的语义和情感。在暴露过程中，参与者的生理信号被记录下来，并在离线分析中估计情绪。参与者在每次曝光后报告他们的情绪状态。对后验和先验情绪值进行了比较。实验表明，在其他报告的结果中，精心设计的视频序列比图片引起更强烈和更准确的情绪反应。个体参与者的差异极大地影响了体验情绪的强度和极性。
2017-06-30 cs.HC cs.MM
SensEmo: Enabling Affective Learning through Real-time Emotion Recognition with Smartwatches
Stony Brook University（石溪大学）；The Chinese University of Hong Kong（香港中文大学）；University of North Carolina（北卡罗来纳大学）
本研究提出基于智能手表的情感学习系统SensEmo，通过多生理传感器和个性化情绪模型识别学生状态，结合马尔可夫决策过程算法优化教学，实验验证其情绪识别准确率高且能显著提升学习成绩。
2024-07-13 cs.CV cs.HC cs.LG
Time-Continuous Modeling for Temporal Affective Pattern Recognition in LLMs
School of Computer Science Bina Nusantara University East Jakarta, Indonesia（计算机科学学院 印尼国立宾努斯大学 東雅加達）
本文提出利用物理信息神经网络，通过时间连续建模实现大语言模型中情感模式识别，为可解释对话建模提供新方法。
2026-01-18 cs.AI cs.ET cs.HC
Trusting Your AI Agent Emotionally and Cognitively: Development and Validation of a Semantic Differential Scale for AI Trust
University of Washington（华盛顿大学）
本研究针对AI信任中情感与认知维度缺乏有效测量工具的问题，开发并验证了27项语义差异量表，通过调查和实验揭示了两维度互动及其对整体信任的影响，并为LLM培养信任提供了见解。
2024-11-07 cs.AI cs.HC
R-CAGE: A Structural Model for Emotion Output Design in Human-AI Interaction
Independent Researcher（独立研究者）
针对长期人机交互中反复情感输出导致的认知过载与解释失配，论文提出 R-CAGE 四模块结构框架，将情绪设计为可持续单元以保护用户自主性与心理恢复。
2025-05-11 cs.AI cs.CY cs.HC
MathBuddy: A Multimodal System for Affective Math Tutoring
IT:U Interdisciplinary Transformation University Austria（奥地利 interdisciplinary Transformation 大学）；IBM Research India（印度 IBM 研究院）
MathBuddy是一个多模态情感数学辅导系统，通过融合文本和面部表情建模学生情绪，映射到教学策略，提升LLM辅导能力，实验显示胜率提升23个百分点。
2025-09-24 cs.AI cs.CL cs.HC
Decoding Emotional Experience through Physiological Signal Processing
Northeastern University（东北大学）；University of Pittsburgh（匹兹堡大学）
研究人员越来越多地达成共识，使计算机具有情感智能，具有解码人类情感状态的能力，将允许更有意义和更自然的人机交互（HCI）方式。识别人类情感状态的一种非侵入性和非侵入性的方法需要探索生理信号在不同情感体验下如何变化。特别是，本文探讨了多模态身体信号和离散的情绪状态的神经介导的变化之间的相关性。为了充分利用每种模式中的信息，我们提供了一种创新的分类方法，用于三种特定的生理信号，包括肌电图（EMG），血容量压力（BVP）和皮肤电反应（GSR）。这些信号被分析为基于一系列弱学习者的融合的情感识别范例的输入。我们提出的分类方法显示出88.1%的识别准确率，这优于传统的支持向量机（SVM）分类器的17%的准确率提高。此外，为了避免信息冗余和由此产生的过拟合，提出了一种基于相关性分析的特征约简方法，以优化训练和验证每个弱学习器所需的特征数量。结果表明，尽管特征空间维数从27个降到18个特征，我们的方法仍然保持了约85.0%的识别准确率。这种复杂性的降低将使我们更接近于将这种人类情感编码器嵌入无线和可穿戴HCI平台。
2016-06-01 cs.HC cs.LG
Inferring Operator Emotions from a Motion-Controlled Robotic Arm
School of Engineering, University of Glasgow（格拉斯哥大学工程学院）；Lyle School of Engineering, Southern Methodist University（南方 Methodist 大学莱尔工程学院）；School of Computing, University of Glasgow（格拉斯哥大学计算学院）；University of Manchester（曼彻斯特大学）
通过机器学习系统，利用远程控制机械臂的动作推断操作员情绪状态，准确率达83.3%。
2025-12-09 cs.HC cs.RO
Affective Behaviour Analysis of On-line User Interactions: Are On-line Support Groups more Therapeutic than Twitter?
University of Trento（特伦托大学）；University of Strathclyde（思克莱德大学）
心理健康问题的流行率的增加与健康相关的社交网站的日益普及相吻合。无论其治疗潜力如何，在线支持小组（OSG）也会对患者产生负面影响。在这项工作中，我们提出了一种新的方法来自动验证社交网站中的治疗因素的存在，通过使用自然语言处理（NLP）技术。在线异步多方对话从OSG和Twitter收集的方法进行评估。分析结果表明，治疗因素更频繁地出现在OSG对话比Twitter的对话。此外，对OSG对话的分析表明，该平台的用户是支持的，互动可能会导致他们的情绪状态的改善。我们相信，我们的方法为自动分析在线平台用户的情绪状态提供了一个垫脚石。该方法的可能应用包括提供指南，强调使用此类平台对用户心理健康的潜在影响，和/或支持分析其对特定个人的影响。
2019-11-04 cs.CL cs.HC cs.SI
An Affective Robot Companion for Assisting the Elderly in a Cognitive Game Scenario
University of Hamburg（汉堡大学）
能够识别人类用户的情感被认为是人机交互（HRI）场景中非常理想的特性。然而，大多数当代的方法很少尝试以主动的方式应用已识别的情感特征来调节机器人决策和对话，以使用户受益。在这份立场文件中，我们提出了一种方法，将识别的情绪纳入一个基于强化学习（RL）的对话管理模块，以适应其对话响应，试图使认知训练任务，如2048益智游戏，更愉快的用户。
2018-07-12 cs.AI cs.HC cs.RO
