随着科技的发展，我们在工作和生活中将会越来越多的和机器人联系在一起，使得人类与机器人之间的关系越来越紧密。这些都引发了一个重要的问题，就是如何使这些复杂精密的机器能够与我们进行简易、有效、和谐的交流。融合人工智能和人工生命的方法，使得人机交互变得更具多样化与智能化成为可能。但是，构造自然和谐的人机交互，情绪却越来越成为不可或缺的元素。近年来，人工心理和情感计算已经成为了计算机科学、认知科学和心理学领域诸多学者的研究热点。本文以人工心理理论和情感计算为导向，以服务机器人为平台对构建基于分布式认知的机器人体系结构及人工心理理论在服务机器人中的应用进行了探索性的研究与实现。　　 本文的创新点如下：　　 1)提出了一种基于分布式认知的服务机器人的分层式体系结构模型，并在本文的服务机器人平台上进行了实现。分布式认知理论对“认知”的领域进行了扩展，将认知从个人扩展到个人与环境的交互，研究认知活动如何在人的思维内部、外部的辅助工具、其他人以及时间和空间上进行分布。这种体系结构使得机器人的交互行为并不是单纯由周围环境及交互对象的行为激发，而且还融合了机器人当前的心理状态以及交互任务，同时机器人的智能决策结果又会向后反馈来影响机器人心理状态的改变，心理状态又会影响交互目标的变化，以此来形成一个交互信息的闭环控制，更符合人类的交互方式，更加体现了交互机器人的主动性心智特征以及机器人交互行为的智能性和时效性。　　 2)提出了一种基于状态空间的人工心理模型。在分析情绪与情感的基本表达的基础上针对所研究服务机器人的特点给出了相应的心理状态空间定义，并基于现代控制理论的多输入多输出状态空间法提出了一个简单实用的心理模型，利用层次分析法对模型中的系数矩阵进行了赋值，使得该心理模型即能够反映当前心理状态与前一心理状态的相关关系，又能够反映语音因素、表情因素、行为因素、触摸行为、运动方式、环境信息、及机器人的电量共7个外界因素对机器人的当前情绪产生的影响。仿真结果表明该模型符合基本的人类心理变化规律，为进一步研究如何使服务机器人拥有类人的心理提供了方法与技术支持。　　 3)根据自然和谐交互的需求，针对服务机器人的硬件配置提出了一种相应的多模式情感信息融合的算法。该算法融合了服务机器人各类传感器感知到的7类输入信号，并采用例证法与标准模糊隶属度函数相结合的方式将输入信号模糊化，采用模糊算子运算并使用模糊推理规则将其融合成代表5种情感的信号。该算法考虑到了机器人当前的心理状态、交互行为及环境对机器人情绪的影响，与基于分布式认知的服务机器人的分层式体系结构模型相一致，相应的仿真结果符合人类具有情感的基本行为规律，能够满足服务机器人与人之间进行有情感的个性化交互的需求。　　 4)提出了一种基于遗传算法的个性化交互决策方法，并在服务机器人上进行了实现。通过将决策行为进行种群分析及基因编码，利用遗传算法的基本操作繁殖、遗传、变异等进行新的种群及基因的生成，并利用产生式规则来控制基因的进化与收敛，从而决策出能够根据交互对象的情绪状态和个性来动态调整的交互行为。该方法在实现机器人心理状态转移的基础上进行智能行为决策，并将决策出的交互行为进行相互关联、有机融合，使其产生的结果与交流过程中交互对象生理和心理要求趋于一致，符合人类的交互规范。这样，服务机器人就能够根据交互对象的心理状态的变化，适当调整自己的行为策略，从而创造好的交互效果，实现更加和谐的人机情感个性化交互，为家庭环境中人与机器人之间的交流、情感的传递与表达探讨了一种行之有效的方法。