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

Samenvatting

Dit artikel bespreekt het gebruik van een brain-computer interface (BCI) om emotionele feedback van een mens te verkrijgen in reactie op de beweging van humanoïde robots in collaboratieve omgevingen. Het doel van dit onderzoek is om het menselijke tevredenheidsniveau te detecteren en dit te gebruiken als feedback om het gedrag van de robot te corrigeren en te verbeteren, om zo de menselijke tevredenheid te maximaliseren. Dit artikel beschrijft experimenten en algoritmen die hersenactiviteit van mensen gebruiken, verzameld via BCI, om het niveau van tevredenheid te schatten. Gebruikers dragen een elektro-encefalogram (EEG)-headset en besturen de beweging van de robot via mentale verbeelding. De reactie van de robot op de mentale verbeelding is mogelijk niet hetzelfde als het menselijke mentale commando, en dit zal het niveau van emotionele tevredenheid beïnvloeden. De headset registreert hersenactiviteit vanaf 14 locaties op de hoofdhuid. De spectrale vermogensdichtheid van elke EEG-frequentieband en de vier grootste Lyapunov-exponenten van elk EEG-signaal vormen de kenmerkenvector. De Mann-Whitney-Wilcoxon-test wordt vervolgens gebruikt om alle kenmerken te rangschikken. De kenmerken met de hoogste rangschikking worden vervolgens geselecteerd om een lineaire discriminant classifier (LDC) te trainen om het tevredenheidsniveau te bepalen. Onze experimentele resultaten tonen een nauwkeurigheid van 79,2% bij het detecteren van het menselijke tevredenheidsniveau.Klik hier om het volledige rapport te lezen