Este documento presenta una novedosa técnica de aprendizaje profundo basada en grafos para el reconocimiento de emociones en el habla, específicamente diseñada para una implementación eficiente en términos de energía en robots humanoides. Nuestra metodología representa una fusión de representaciones de grafos escalables, fundamentadas en los principios básicos de las teorías de procesamiento de señales de grafos. Sumergiéndonos en la utilización de grafos cíclicos o lineales como constituyentes fundamentales que dan forma a una robusta arquitectura basada en Redes de Convolución de Grafos (GCN), proponemos un enfoque que permite capturar las relaciones entre las señales de habla para descodificar patrones emocionales y respuestas intrincadas. Nuestra metodología se valida y se compara con bases de datos establecidas como IEMOCAP y MSP-IMPROV. Nuestro modelo supera a los GCNs estándar y a las arquitecturas de grafos profundas prevalentes, demostrando niveles de rendimiento que se alinean con metodologías de vanguardia. Notablemente, nuestro modelo logra este logro al reducir significativamente el número de parámetros aprendibles, aumentando así la eficiencia computacional y fortaleciendo su idoneidad para entornos con recursos limitados. Esta propuesta metodología de aprendizaje híbrido basada en grafos eficiente energéticamente se aplica al reconocimiento de emociones multimodales en robots humanoides. Su capacidad para ofrecer un rendimiento competitivo al mismo tiempo que simplifica la complejidad computacional y la eficiencia energética representa un enfoque novedoso en los sistemas de reconocimiento de emociones en evolución, atendiendo a diversas aplicaciones del mundo real donde la precisión en el reconocimiento de emociones en robots humanoides es un requisito fundamental.