在认知系统中，人工感情通常被模拟成能够影响认知能力的过度状态。比如，在CoJACK中，斗志和恐惧的情绪能改变计划选择。在斗志高昂时，那些能应对威胁的计划有更高的效用，但当恐惧时，效用低下。其他例子包括压力影响决策的模型、影响21点策略的开心／悲伤情绪、在焦虑状态下的类比推理、记忆唤醒的影响、基于目标满意度的正面和负面情感、在HCI场景中的情绪学习等。

积极性是内部动机的另一个源泉。一般来说，他们代表基本的生理需要，比如食物和安全，但也能包含高级和社交动机。在ASMO中，3种相关的简单积极性，“喜欢红色、用户与机器人的赞美“，通过调整相关模块的权重来做偏差行动选择。在CHARISMA中，保存积极（避免伤害和饥饿）、好奇心和自我提升的欲望一起指导行动生成。在MACSi中，好奇心驱使代理，探索到它学习最快的领域。同样，在CERA－CRANIUM中，好奇心、恐惧和生气通过可移动的机器人来影响对环境的探索。

社交机器人Kismet的行动被3种适应性积极所影响：与人接触、与玩具接触以及休息。这些积极的外部事件会有助于机器人的情感状态（情绪）和通过面部表情，站姿或声音的语调来展示表情，比如生气、恶心、恐惧、欢乐、悲伤和惊喜。与拥有过度本质的情绪不同，性格特征是独特的长期行动模式，通过一贯的偏好例如内部动机，情绪，决策来展示。大部分的被识别的个性特征能被归纳到一个足够广泛定义人类个性的小的维度或因素集合里。

同样的，认知系统里的个性经常被多个因素和维度所代表。这些特征，反过来，和系统可能经历的情绪和积极性相关。在最简单的案例中，一个参数就足以在系统行动中创建一个系统偏差。

NARS和CogPrime使用“个性参数”来定义需要多少证据来评价逻辑声明的真实性或计划下一个动作。参数的值越大，系统就更加“保守”。在Novamente中，一个虚拟动物的个性特征（攻击性、好奇心、玩乐）通过概率规则与情绪状态和动作相关联。同样的，在AIS特征中，下流、冷淡、害羞、自信、懒散，它们被赋予一个整数值来定义被展示的程度。基于个性，抽象的规则能定义什么行动更有可能。在CLARION中，个性类型决定了很多预定义积极的基线强度和初始赤字。映像被包含在一个预训练的神经网络中。

引人注目的是，这些简单的模型甚至能生成一系列的个性。比如，Pogamut代理有9种可能的状态和5种个性因素（基于FFM），能够生成45种不同的映像，每种映像能够不同程度地产生12 种预定义的意图并生成广泛的行动。CLARION和MAMID值得特殊的关注。CLARION提供一个认知可信的框架，有能力处理情绪、积极性和个性特征，并把它们和其他包含决策的认知系统相关联。

情绪的3个方面被模拟：反应式情感（情绪的潜意识经历）、审议性评估（可能有意识）和处理／动作（在评估之后）。因此，情绪以显性和隐形过程的交互形式出现并包含（和影响）认知和动作。多个CLARION模型已经被心理学数据，FFM个性的计算机模型，用来处理校园霸凌，压力下的表现退化和由社交焦虑所引起的成见偏差模型所验证。

MAMID是一个由外部事件、内部解释、目标和个性特征所产生的生成与情绪效果的模型。在内部，与信念网络和任务标准、个体标准有关，即目标失败是否会导致在一个特殊的代理中出现焦虑。MAMID已经在两个领域被实例化了：保卫和平的任务训练和搜救任务。它对于情绪和设计的跨学科理论的贡献也有很大的价值。

2．记忆（Memory）

记忆是任何系统级认知模型的必要部分，不管这个模型是用来学习人脑还是解决工程问题的。几乎所有的体系都有记忆系统来储存计算的中间结果，能够学习并适应变化的环境。然而记忆系统的特殊执行非常不同并且依赖于研究目标和概念限制，比如生物可信度和工程因素（编程语言、软件体系、框架使用）在认知框架论文中，记忆被期限（长期、短期）和类型（过程性的、陈述性的、语义的）所描述。

多储存记忆模型受Atkinson－Shirin模型的影响，之后被Baddeley修改。这种记忆机制在心理学中占主流，但它在工程上的效用被很多人质疑，因为它并没有为很多记忆机制提供一个效用介绍。然而，大部分体系在记忆类型上不同，尽管命名惯例因为概念背景而不同。比如，为计划和解决问题而设计的体系有短期和长期的记忆系统。计划中的长期知识经常是指为事实和解题规则服务的知识，这和语义以及程序性的长期记忆有关。一些体系也能保存之前被执行的任务和被解决的问题，模仿情景记忆。计划中的短期记忆经常被现实世界的模型和目标的内容表示。

图2为各种记忆架构的可视化

这里我们遵循一个惯例来区分长期和短期的储存。长期储存又被进一步分解成语义的、程序化的、情景的类型，分别储存事实性知识，一定条件下的动作信息和系统的个人经历情景。短期记忆被分为感官记忆和工作记忆。感官记忆是非常短期的缓存区，能够储存一些近期的感知。工作记忆是一种暂时储存关于现有任务的感知。

2．1 感官记忆

感官记忆的用途是为了缓存输入的感知并在转换到其他记忆体系前做预处理。同样地，声像记忆能使声音刺激持续足够长的时间来做认知合并和特征提取，比如声调提取和分组。在感官记忆中，视觉数据的衰退率被认为是10个毫秒，声音数据更长，尽管时间限制并不总是被特别指明。其他执行这一记忆类型的机构包括soar，sigma，ACT－R，CHARISMA，CLARION，ICARUS和POGAMUT。