Fordern Sie Ihr Gedächtnis heraus! Spielen Sie das neue N-Back-Spiel in der Emotiv-App
Fordern Sie Ihr Gedächtnis heraus! Spielen Sie das neue N-Back-Spiel in der Emotiv-App
Brain-Computer-Schnittstellen zur Erkennung menschlicher Zufriedenheit in der Interaktion zwischen Mensch und Roboter
Teilen:
Ehsan Türkisch Esfahan. Fakultät für Maschinenbau, University of California Riverside, USA
Zusammenfassung
Dieser Artikel behandelt die Verwendung einer Gehirn–Computer–Schnittstelle (BCI), um emotionale Rückmeldungen von einem Menschen in Reaktion auf die Bewegungen von humanoiden Robotern in kollaborativen Umgebungen zu erhalten. Ziel dieser Studie ist es, das Zufriedenheitsniveau des Menschen zu erfassen und es als Rückmeldung zur Korrektur und Verbesserung des Verhaltens des Roboters zu nutzen, um die menschliche Zufriedenheit zu maximieren. In diesem Artikel werden Experimente und Algorithmen beschrieben, die die Aktivität des menschlichen Gehirns, die über BCI erfasst wird, nutzen, um das Zufriedenheitsniveau zu schätzen. Benutzer tragen ein Elektroenzephalogramm (EEG) Headset und steuern die Bewegung des Roboters durch mentale Vorstellung. Die Reaktion der Roboter auf die mentale Vorstellung kann von dem menschlichen mentalen Befehl abweichen, was das emotionale Zufriedenheitsniveau beeinflussen wird. Das Headset zeichnet die Gehirnaktivität von 14 Stellen auf der Kopfhaut auf. Die Leistungsspektraldichte jeder EEG-Frequenzband und die vier größten Lyapunov-Exponenten jedes EEG-Signals bilden den Merkmalsvektor. Der Mann–Whitney–Wilcoxon-Test wird dann verwendet, um alle Merkmale zu bewerten. Die Merkmale mit der höchsten Rangfolge werden dann ausgewählt, um einen linearen diskriminanten Klassifikator (LDC) zu trainieren, um das Zufriedenheitsniveau zu bestimmen. Unsere experimentellen Ergebnisse zeigen eine Genauigkeit von 79,2 % bei der Erkennung des Zufriedenheitsniveaus des Menschen.Hier klicken, um den vollständigen Bericht zu lesen
Ehsan Türkisch Esfahan. Fakultät für Maschinenbau, University of California Riverside, USA
Zusammenfassung
Dieser Artikel behandelt die Verwendung einer Gehirn–Computer–Schnittstelle (BCI), um emotionale Rückmeldungen von einem Menschen in Reaktion auf die Bewegungen von humanoiden Robotern in kollaborativen Umgebungen zu erhalten. Ziel dieser Studie ist es, das Zufriedenheitsniveau des Menschen zu erfassen und es als Rückmeldung zur Korrektur und Verbesserung des Verhaltens des Roboters zu nutzen, um die menschliche Zufriedenheit zu maximieren. In diesem Artikel werden Experimente und Algorithmen beschrieben, die die Aktivität des menschlichen Gehirns, die über BCI erfasst wird, nutzen, um das Zufriedenheitsniveau zu schätzen. Benutzer tragen ein Elektroenzephalogramm (EEG) Headset und steuern die Bewegung des Roboters durch mentale Vorstellung. Die Reaktion der Roboter auf die mentale Vorstellung kann von dem menschlichen mentalen Befehl abweichen, was das emotionale Zufriedenheitsniveau beeinflussen wird. Das Headset zeichnet die Gehirnaktivität von 14 Stellen auf der Kopfhaut auf. Die Leistungsspektraldichte jeder EEG-Frequenzband und die vier größten Lyapunov-Exponenten jedes EEG-Signals bilden den Merkmalsvektor. Der Mann–Whitney–Wilcoxon-Test wird dann verwendet, um alle Merkmale zu bewerten. Die Merkmale mit der höchsten Rangfolge werden dann ausgewählt, um einen linearen diskriminanten Klassifikator (LDC) zu trainieren, um das Zufriedenheitsniveau zu bestimmen. Unsere experimentellen Ergebnisse zeigen eine Genauigkeit von 79,2 % bei der Erkennung des Zufriedenheitsniveaus des Menschen.Hier klicken, um den vollständigen Bericht zu lesen
Ehsan Türkisch Esfahan. Fakultät für Maschinenbau, University of California Riverside, USA
Zusammenfassung
Dieser Artikel behandelt die Verwendung einer Gehirn–Computer–Schnittstelle (BCI), um emotionale Rückmeldungen von einem Menschen in Reaktion auf die Bewegungen von humanoiden Robotern in kollaborativen Umgebungen zu erhalten. Ziel dieser Studie ist es, das Zufriedenheitsniveau des Menschen zu erfassen und es als Rückmeldung zur Korrektur und Verbesserung des Verhaltens des Roboters zu nutzen, um die menschliche Zufriedenheit zu maximieren. In diesem Artikel werden Experimente und Algorithmen beschrieben, die die Aktivität des menschlichen Gehirns, die über BCI erfasst wird, nutzen, um das Zufriedenheitsniveau zu schätzen. Benutzer tragen ein Elektroenzephalogramm (EEG) Headset und steuern die Bewegung des Roboters durch mentale Vorstellung. Die Reaktion der Roboter auf die mentale Vorstellung kann von dem menschlichen mentalen Befehl abweichen, was das emotionale Zufriedenheitsniveau beeinflussen wird. Das Headset zeichnet die Gehirnaktivität von 14 Stellen auf der Kopfhaut auf. Die Leistungsspektraldichte jeder EEG-Frequenzband und die vier größten Lyapunov-Exponenten jedes EEG-Signals bilden den Merkmalsvektor. Der Mann–Whitney–Wilcoxon-Test wird dann verwendet, um alle Merkmale zu bewerten. Die Merkmale mit der höchsten Rangfolge werden dann ausgewählt, um einen linearen diskriminanten Klassifikator (LDC) zu trainieren, um das Zufriedenheitsniveau zu bestimmen. Unsere experimentellen Ergebnisse zeigen eine Genauigkeit von 79,2 % bei der Erkennung des Zufriedenheitsniveaus des Menschen.Hier klicken, um den vollständigen Bericht zu lesen