随着老龄人口、各种慢性病患者和意外伤害事件的增加,同时新生人口数量的降低,我国人口正面临老龄化的挑战。越来越多的失能半失能、失智半失智的人群,给家庭及社会造成巨大的负担。为了改善和提高缺乏行动能力人的生活质量和自由度,智能轮椅越来越受到社会各界人士的重视与支持。传统的辅助服务型机器人在执行某项任务的过程中,没有将人的情绪与意愿这些主观感受作为研究重点,只是机械地像运输货物一样地“运输”用户。因此本课题旨在通过建立一个情绪识别的模型,目的是识别人与机器人在交互过程下产生的情绪,并且基于人的情绪为机器人设立一个行为准则,使得机器人在执行任务的过程中可以考虑用户的偏好而选择自己“喜欢”的路径,提高用户舒适度。本文针对人机交互的情境下,充分地将人的心理需求作为研究重点,通过搭建情绪诱发平台和生理信号检测平台,结合沉浸式虚拟现实技术,设计了12组人机交互情境下的虚拟现实实验场景,对用户在使用自动驾驶的轮椅时分别将人与障碍物的距离,障碍物数量的多少,障碍物的形状及通道宽窄等影响用户路径选择的因素作为诱发用户的情绪变量进行了研究。选择二维情绪模型来区分情绪的类别,该模型将情绪分解为效价(愉快或不愉快)和唤醒度(情绪的强度)两个矢量。为了得到更准确的实验数据,在开展实验前对所有的目标受试者进行了筛选和培训。在实验过程中通过虚拟现实场景诱发受试者的情绪,同时检测受试者的生理信号,并让受试者通过情绪自我评估问卷对实验中诱发的情绪的效价和唤醒度进行评估。对实验中获取的样本数据进行了分析,搭建了基于卷积神经网络情绪识别模型,利用300个训练集样本对模型进行训练,训练结果表明训练效果曲线拟合度较好,模型在100次迭代后达到了精度要求。并利用120个测试集样本对模型进行测试,总体的识别率达到92.5%。将模型的性能进行了多角度的分析,结果表明训练后的模型能够准确地对生理信号样本所代表的情绪进行预测。