Daag je geheugen uit! Speel de nieuwe N-Back-game in de Emotiv App
Daag je geheugen uit! Speel de nieuwe N-Back-game in de Emotiv App
Daag je geheugen uit! Speel de nieuwe N-Back-game in de Emotiv App
Het gebruik van hersen-computerinterfaces om menselijke tevredenheid te detecteren in mens-robotinteractie
Delen:
Ehsan Turkish Esfahan. Afdeling Werktuigbouwkunde, University of California Riverside, VS
Samenvatting
Dit artikel bespreekt het gebruik van een hersen-computerinterface (BCI) om emotionele feedback van een mens te verkrijgen als reactie op de beweging van humanoïde robots in collaboratieve omgevingen. Het doel van deze studie is om het niveau van menselijke tevredenheid te detecteren en dit te gebruiken als feedback voor het corrigeren en verbeteren van het gedrag van de robot om de menselijke tevredenheid te maximaliseren. Dit artikel beschrijft experimenten en algoritmen die hersenactiviteit van mensen gebruiken, verzameld via BCI, om het tevredenheidsniveau te schatten. Gebruikers dragen een elektro-encefalogram (EEG)-headset en sturen de beweging van de robot aan door mentale verbeelding. De reactie van de robots 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 op 14 locaties op de hoofdhuid. De vermogensspectrale dichtheid van elke EEG-frequentieband en de vier grootste Lyapunov-exponenten van elk EEG-signaal vormen de kenmerkvector. De Mann-Whitney-Wilcoxon-toets wordt vervolgens gebruikt om alle kenmerken te rangschikken. De kenmerken met de hoogste rang worden daarna geselecteerd om een lineaire discriminantclassificator (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
Ehsan Turkish Esfahan. Afdeling Werktuigbouwkunde, University of California Riverside, VS
Samenvatting
Dit artikel bespreekt het gebruik van een hersen-computerinterface (BCI) om emotionele feedback van een mens te verkrijgen als reactie op de beweging van humanoïde robots in collaboratieve omgevingen. Het doel van deze studie is om het niveau van menselijke tevredenheid te detecteren en dit te gebruiken als feedback voor het corrigeren en verbeteren van het gedrag van de robot om de menselijke tevredenheid te maximaliseren. Dit artikel beschrijft experimenten en algoritmen die hersenactiviteit van mensen gebruiken, verzameld via BCI, om het tevredenheidsniveau te schatten. Gebruikers dragen een elektro-encefalogram (EEG)-headset en sturen de beweging van de robot aan door mentale verbeelding. De reactie van de robots 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 op 14 locaties op de hoofdhuid. De vermogensspectrale dichtheid van elke EEG-frequentieband en de vier grootste Lyapunov-exponenten van elk EEG-signaal vormen de kenmerkvector. De Mann-Whitney-Wilcoxon-toets wordt vervolgens gebruikt om alle kenmerken te rangschikken. De kenmerken met de hoogste rang worden daarna geselecteerd om een lineaire discriminantclassificator (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
Ehsan Turkish Esfahan. Afdeling Werktuigbouwkunde, University of California Riverside, VS
Samenvatting
Dit artikel bespreekt het gebruik van een hersen-computerinterface (BCI) om emotionele feedback van een mens te verkrijgen als reactie op de beweging van humanoïde robots in collaboratieve omgevingen. Het doel van deze studie is om het niveau van menselijke tevredenheid te detecteren en dit te gebruiken als feedback voor het corrigeren en verbeteren van het gedrag van de robot om de menselijke tevredenheid te maximaliseren. Dit artikel beschrijft experimenten en algoritmen die hersenactiviteit van mensen gebruiken, verzameld via BCI, om het tevredenheidsniveau te schatten. Gebruikers dragen een elektro-encefalogram (EEG)-headset en sturen de beweging van de robot aan door mentale verbeelding. De reactie van de robots 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 op 14 locaties op de hoofdhuid. De vermogensspectrale dichtheid van elke EEG-frequentieband en de vier grootste Lyapunov-exponenten van elk EEG-signaal vormen de kenmerkvector. De Mann-Whitney-Wilcoxon-toets wordt vervolgens gebruikt om alle kenmerken te rangschikken. De kenmerken met de hoogste rang worden daarna geselecteerd om een lineaire discriminantclassificator (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