अपनी मेमोरी को चुनौती दें! Emotiv ऐप में नया N-Back गेम खेलें
अपनी मेमोरी को चुनौती दें! Emotiv ऐप में नया N-Back गेम खेलें
अपनी मेमोरी को चुनौती दें! Emotiv ऐप में नया N-Back गेम खेलें
मानव-रोबोट इंटरैक्शन में मानवीय संतोष का पता लगाने के लिए ब्रेन-कंप्यूटर इंटरफेस का उपयोग करना
साझा करें:
एहसान तुर्की इस्फ़हान। कैलिफोर्निया विश्वविद्यालय रिवरसाइड, अमेरिका का यांत्रिकी विभाग
सारांश
यह लेख मानव से भावनात्मक फीडबैक प्राप्त करने के लिए एक मस्तिष्क-कंप्यूटर इंटरफेस (बीसीआई) के उपयोग पर चर्चा करता है ताकि सहयोगी वातावरण में मानवनुमा रोबोटों की गति के जवाब में। इस अध्ययन का उद्देश्य मानव संतोष के स्तर का पता लगाना है और इसे रोबोट के व्यवहार को सुधारने और सुधारने के लिए फीडबैक के रूप में उपयोग करना है ताकि मानव संतोष को अधिकतम किया जा सके। यह लेख प्रयोगों और एल्गोरिदम का वर्णन करता है जो बीसीआई के माध्यम से इकट्ठा की गई मानव मस्तिष्क गतिविधियों का उपयोग करके संतोष के स्तर का अनुमान लगाने के लिए उपयोग किए जाते हैं। उपयोगकर्ता एक इलेक्ट्रोएन्सेफलोग्राम (ईईजी) हेडसेट पहनते हैं और मानसिक कल्पना द्वारा रोबोट की गति का नियंत्रण करते हैं। मानसिक कल्पना के प्रति रोबोट की प्रतिक्रिया मानव मानसिक आदेश के समान नहीं हो सकती है और इससे भावनात्मक संतोष स्तर पर प्रभाव पड़ सकता है। हेडसेट खोपड़ी पर 14 स्थानों से मस्तिष्क की गतिविधि को रिकॉर्ड करता है। प्रत्येक ईईजी आवृत्ति बैंड की पावर स्पेक्ट्रल घनत्व और प्रत्येक ईईजी सिग्नल के चार सबसे बड़े लियापुनोव गुणांक विशेषता वेक्टर बना सकते हैं। तब सभी विशेषताओं को रैंक करने के लिए मैन्स–व्हिटनी–विल्कॉक्सन परीक्षण का उपयोग किया जाता है। सबसे ऊंची रैंक वाली विशेषताओं को संतोष स्तर निर्धारित करने के लिए एक रैखिक भेदक क्लासिफायर (एलडीसी) को प्रशिक्षित करने के लिए चुना जाता है। हमारे प्रयोगात्मक परिणाम मानव संतोष स्तर का पता लगाने में 79.2% की सटीकता दिखाते हैं।पूर्ण रिपोर्ट पढ़ने के लिए यहां क्लिक करें
एहसान तुर्की इस्फ़हान। कैलिफोर्निया विश्वविद्यालय रिवरसाइड, अमेरिका का यांत्रिकी विभाग
सारांश
यह लेख मानव से भावनात्मक फीडबैक प्राप्त करने के लिए एक मस्तिष्क-कंप्यूटर इंटरफेस (बीसीआई) के उपयोग पर चर्चा करता है ताकि सहयोगी वातावरण में मानवनुमा रोबोटों की गति के जवाब में। इस अध्ययन का उद्देश्य मानव संतोष के स्तर का पता लगाना है और इसे रोबोट के व्यवहार को सुधारने और सुधारने के लिए फीडबैक के रूप में उपयोग करना है ताकि मानव संतोष को अधिकतम किया जा सके। यह लेख प्रयोगों और एल्गोरिदम का वर्णन करता है जो बीसीआई के माध्यम से इकट्ठा की गई मानव मस्तिष्क गतिविधियों का उपयोग करके संतोष के स्तर का अनुमान लगाने के लिए उपयोग किए जाते हैं। उपयोगकर्ता एक इलेक्ट्रोएन्सेफलोग्राम (ईईजी) हेडसेट पहनते हैं और मानसिक कल्पना द्वारा रोबोट की गति का नियंत्रण करते हैं। मानसिक कल्पना के प्रति रोबोट की प्रतिक्रिया मानव मानसिक आदेश के समान नहीं हो सकती है और इससे भावनात्मक संतोष स्तर पर प्रभाव पड़ सकता है। हेडसेट खोपड़ी पर 14 स्थानों से मस्तिष्क की गतिविधि को रिकॉर्ड करता है। प्रत्येक ईईजी आवृत्ति बैंड की पावर स्पेक्ट्रल घनत्व और प्रत्येक ईईजी सिग्नल के चार सबसे बड़े लियापुनोव गुणांक विशेषता वेक्टर बना सकते हैं। तब सभी विशेषताओं को रैंक करने के लिए मैन्स–व्हिटनी–विल्कॉक्सन परीक्षण का उपयोग किया जाता है। सबसे ऊंची रैंक वाली विशेषताओं को संतोष स्तर निर्धारित करने के लिए एक रैखिक भेदक क्लासिफायर (एलडीसी) को प्रशिक्षित करने के लिए चुना जाता है। हमारे प्रयोगात्मक परिणाम मानव संतोष स्तर का पता लगाने में 79.2% की सटीकता दिखाते हैं।पूर्ण रिपोर्ट पढ़ने के लिए यहां क्लिक करें
एहसान तुर्की इस्फ़हान। कैलिफोर्निया विश्वविद्यालय रिवरसाइड, अमेरिका का यांत्रिकी विभाग
सारांश
यह लेख मानव से भावनात्मक फीडबैक प्राप्त करने के लिए एक मस्तिष्क-कंप्यूटर इंटरफेस (बीसीआई) के उपयोग पर चर्चा करता है ताकि सहयोगी वातावरण में मानवनुमा रोबोटों की गति के जवाब में। इस अध्ययन का उद्देश्य मानव संतोष के स्तर का पता लगाना है और इसे रोबोट के व्यवहार को सुधारने और सुधारने के लिए फीडबैक के रूप में उपयोग करना है ताकि मानव संतोष को अधिकतम किया जा सके। यह लेख प्रयोगों और एल्गोरिदम का वर्णन करता है जो बीसीआई के माध्यम से इकट्ठा की गई मानव मस्तिष्क गतिविधियों का उपयोग करके संतोष के स्तर का अनुमान लगाने के लिए उपयोग किए जाते हैं। उपयोगकर्ता एक इलेक्ट्रोएन्सेफलोग्राम (ईईजी) हेडसेट पहनते हैं और मानसिक कल्पना द्वारा रोबोट की गति का नियंत्रण करते हैं। मानसिक कल्पना के प्रति रोबोट की प्रतिक्रिया मानव मानसिक आदेश के समान नहीं हो सकती है और इससे भावनात्मक संतोष स्तर पर प्रभाव पड़ सकता है। हेडसेट खोपड़ी पर 14 स्थानों से मस्तिष्क की गतिविधि को रिकॉर्ड करता है। प्रत्येक ईईजी आवृत्ति बैंड की पावर स्पेक्ट्रल घनत्व और प्रत्येक ईईजी सिग्नल के चार सबसे बड़े लियापुनोव गुणांक विशेषता वेक्टर बना सकते हैं। तब सभी विशेषताओं को रैंक करने के लिए मैन्स–व्हिटनी–विल्कॉक्सन परीक्षण का उपयोग किया जाता है। सबसे ऊंची रैंक वाली विशेषताओं को संतोष स्तर निर्धारित करने के लिए एक रैखिक भेदक क्लासिफायर (एलडीसी) को प्रशिक्षित करने के लिए चुना जाता है। हमारे प्रयोगात्मक परिणाम मानव संतोष स्तर का पता लगाने में 79.2% की सटीकता दिखाते हैं।पूर्ण रिपोर्ट पढ़ने के लिए यहां क्लिक करें