Ehsan Turkish Esfahan. Department of Mechanical Engineering, University of California Riverside, USA

Zusammenfassung

Dieser Artikel befasst sich mit der Verwendung einer Gehirn-Computer-Schnittstelle (BCI), um emotionales Feedback von einem Menschen als Reaktion auf die Bewegung von humanoiden Robotern in kollaborativen Umgebungen zu erhalten. Ziel dieser Studie ist es, den Grad der menschlichen Zufriedenheit zu erfassen und diesen als Feedback zur Korrektur und Verbesserung des Verhaltens des Roboters zu nutzen, um die menschliche Zufriedenheit zu maximieren. Dieser Artikel beschreibt Experimente und Algorithmen, die die über ein BCI erfasste menschliche Gehirnaktivität nutzen, um den Grad der Zufriedenheit zu bestimmen. Die Nutzer tragen ein Elektroenzephalogramm (EEG)-Headset und steuern die Bewegung des Roboters durch mentale Vorstellungskraft. Die Reaktion des Roboters auf die mentale Vorstellungskraft stimmt möglicherweise nicht mit dem mentalen Befehl des Menschen überein, was sich auf den Grad der emotionalen Zufriedenheit auswirkt. Das Headset zeichnet die Gehirnaktivität an 14 Stellen auf der Kopfhaut auf. Die spektrale Leistungsdichte jedes EEG-Frequenzbands und die vier größten Lyapunov-Exponenten jedes EEG-Signals bilden den Merkmalsvektor. Der Mann-Whitney-Wilcoxon-Test wird anschließend verwendet, um alle Merkmale einzustufen. Die am höchsten eingestuften Merkmale werden dann ausgewählt, um einen linearen Diskriminanzklassifikator (LDC) zu trainieren, um den Grad der Zufriedenheit zu bestimmen. Unsere experimentellen Ergebnisse zeigen eine Genauigkeit von 79.2% bei der Erkennung des menschlichen Zufriedenheitsgrads.Klicken Sie hier, um den vollständigen Bericht zu lesen