احسان ترکیش اصفهان. دپارتمان مهندسی مکانیک، دانشگاه کالیفرنیا ریورساید، ایالات متحده آمریکا

چکیده

این مقاله به بررسی استفاده از واسط مغز و رایانه (BCI) برای دریافت بازخورد احساسی از انسان در پاسخ به حرکت ربات‌های انسان‌نما در محیط‌های مشارکتی می‌پردازد. هدف از این مطالعه، تشخیص میزان رضایت انسان و استفاده از آن به عنوان بازخوردی برای اصلاح و بهبود رفتار ربات جهت بهبود حداکثری رضایت انسان است. این مقاله آزمایش‌ها و الگوریتم‌هایی را توصیف می‌کند که از فعالیت مغز انسان که از طریق BCI جمع‌آوری شده است، برای تخمین میزان رضایت استفاده می‌کنند. کاربران یک هدست الکتروانسفالوگرافی (EEG) به سر می‌گذارند و حرکت ربات را با تصویرسازی ذهنی کنترل می‌کنند. پاسخ ربات به تصویرسازی ذهنی ممکن است با فرمان ذهنی انسان یکسان نباشد و این امر بر میزان رضایت عاطفی تأثیر می‌گذارد. این هدست فعالیت مغزی را از ۱۴ نقطه روی پوست سر ثبت می‌کند. چگالی طیفی توان هر باند فرکانسی EEG و چهار بزرگ‌ترین نمای لیاپانوف هر سیگنال EEG، بردار ویژگی را تشکیل می‌دهند. سپس از آزمون من-ویتنی-ویلکاکسون برای رتبه‌بندی تمام ویژگی‌ها استفاده می‌شود. در مرحله بعد، ویژگی‌های دارای بالاترین رتبه برای آموزش یک طبقه‌بند تشخیص خطی (LDC) به منظور تعیین میزان رضایت انتخاب می‌شوند. نتایج تجربی ما دقت ۷۹.۲ درصدی را در تشخیص میزان رضایت انسان نشان می‌دهد.برای خواندن گزارش کامل اینجا کلیک کنید