استفاده از رابطهای مغز و کامپیوتر برای تشخیص رضایت انسان در تعامل انسان و ربات
به اشتراک گذاری:
احسان ترکیش اصفهان. دانشکده مهندسی مکانیک، دانشگاه کالیفرنیا ریورساید، ایالات متحده آمریکا
چکیده
این مقاله به استفاده از رابط مغز-کامپیوتر (BCI) برای به دست آوردن بازخورد هیجانی از یک انسان در پاسخ به حرکت رباتهای انساننما در محیطهای همکاری میپردازد. هدف از این مطالعه شناسایی سطح رضایت انسانی و استفاده از آن به عنوان یک بازخورد برای اصلاح و بهبود رفتار ربات به منظور حداکثر کردن رضایت انسانی است. این مقاله آزمایشها و الگوریتمهایی را توصیف میکند که از فعالیت مغز انسان که از طریق BCI جمعآوری شده است استفاده میکنند تا سطح رضایت را تخمین بزنند. کاربران یک هدست الکتروانسفالوگرام (EEG) میزنند و حرکت ربات را با تصورات ذهنی کنترل میکنند. واکنش ربات به تصویر ذهنی ممکن است همانند فرمان ذهنی انسان نباشد و این بر سطح رضایت هیجانی تأثیر خواهد گذاشت. هدست فعالیت مغز را از 14 مکان بر روی جمجمه ثبت میکند. چگالی طیفی قدرت هر باند فرکانسی EEG و چهار بزرگترین نمای لیپونوف هر سیگنال EEG، بردار ویژگی را تشکیل میدهد. سپس از آزمون مان-ویتنی-ویلکاکسون برای رتبهبندی تمام ویژگیها استفاده میشود. ویژگیهای با بالاترین رتبه انتخاب شده و برای آموزش یک طبقهبند تفکیک خطی (LDC) برای تعیین سطح رضایت استفاده میشوند. نتایج آزمایش ما دقت 79.2 درصدی را در شناسایی سطح رضایت انسانی نشان میدهد.برای خواندن گزارش کامل اینجا کلیک کنید
احسان ترکیش اصفهان. دانشکده مهندسی مکانیک، دانشگاه کالیفرنیا ریورساید، ایالات متحده آمریکا
چکیده
این مقاله به استفاده از رابط مغز-کامپیوتر (BCI) برای به دست آوردن بازخورد هیجانی از یک انسان در پاسخ به حرکت رباتهای انساننما در محیطهای همکاری میپردازد. هدف از این مطالعه شناسایی سطح رضایت انسانی و استفاده از آن به عنوان یک بازخورد برای اصلاح و بهبود رفتار ربات به منظور حداکثر کردن رضایت انسانی است. این مقاله آزمایشها و الگوریتمهایی را توصیف میکند که از فعالیت مغز انسان که از طریق BCI جمعآوری شده است استفاده میکنند تا سطح رضایت را تخمین بزنند. کاربران یک هدست الکتروانسفالوگرام (EEG) میزنند و حرکت ربات را با تصورات ذهنی کنترل میکنند. واکنش ربات به تصویر ذهنی ممکن است همانند فرمان ذهنی انسان نباشد و این بر سطح رضایت هیجانی تأثیر خواهد گذاشت. هدست فعالیت مغز را از 14 مکان بر روی جمجمه ثبت میکند. چگالی طیفی قدرت هر باند فرکانسی EEG و چهار بزرگترین نمای لیپونوف هر سیگنال EEG، بردار ویژگی را تشکیل میدهد. سپس از آزمون مان-ویتنی-ویلکاکسون برای رتبهبندی تمام ویژگیها استفاده میشود. ویژگیهای با بالاترین رتبه انتخاب شده و برای آموزش یک طبقهبند تفکیک خطی (LDC) برای تعیین سطح رضایت استفاده میشوند. نتایج آزمایش ما دقت 79.2 درصدی را در شناسایی سطح رضایت انسانی نشان میدهد.برای خواندن گزارش کامل اینجا کلیک کنید
احسان ترکیش اصفهان. دانشکده مهندسی مکانیک، دانشگاه کالیفرنیا ریورساید، ایالات متحده آمریکا
چکیده
این مقاله به استفاده از رابط مغز-کامپیوتر (BCI) برای به دست آوردن بازخورد هیجانی از یک انسان در پاسخ به حرکت رباتهای انساننما در محیطهای همکاری میپردازد. هدف از این مطالعه شناسایی سطح رضایت انسانی و استفاده از آن به عنوان یک بازخورد برای اصلاح و بهبود رفتار ربات به منظور حداکثر کردن رضایت انسانی است. این مقاله آزمایشها و الگوریتمهایی را توصیف میکند که از فعالیت مغز انسان که از طریق BCI جمعآوری شده است استفاده میکنند تا سطح رضایت را تخمین بزنند. کاربران یک هدست الکتروانسفالوگرام (EEG) میزنند و حرکت ربات را با تصورات ذهنی کنترل میکنند. واکنش ربات به تصویر ذهنی ممکن است همانند فرمان ذهنی انسان نباشد و این بر سطح رضایت هیجانی تأثیر خواهد گذاشت. هدست فعالیت مغز را از 14 مکان بر روی جمجمه ثبت میکند. چگالی طیفی قدرت هر باند فرکانسی EEG و چهار بزرگترین نمای لیپونوف هر سیگنال EEG، بردار ویژگی را تشکیل میدهد. سپس از آزمون مان-ویتنی-ویلکاکسون برای رتبهبندی تمام ویژگیها استفاده میشود. ویژگیهای با بالاترین رتبه انتخاب شده و برای آموزش یک طبقهبند تفکیک خطی (LDC) برای تعیین سطح رضایت استفاده میشوند. نتایج آزمایش ما دقت 79.2 درصدی را در شناسایی سطح رضایت انسانی نشان میدهد.برای خواندن گزارش کامل اینجا کلیک کنید