Podejmij wyzwanie dla swojej pamięci! Zagraj w nową grę N-Back w aplikacji Emotiv
Podejmij wyzwanie dla swojej pamięci! Zagraj w nową grę N-Back w aplikacji Emotiv
Wykorzystanie interfejsów mózg-komputer do wykrywania ludzkiej satysfakcji w interakcji człowiek-robot
Udostępnij:
Ehsan Turecki Esfahan. Katedra Inżynierii Mechanicznej, Uniwersytet Kalifornijski w Riverside, USA
Abstrakt
Artykuł ten omawia zastosowanie interfejsu mózg-komputer (BCI) do uzyskiwania emocjonalnej informacji zwrotnej od człowieka w odpowiedzi na ruch humanoidalnych robotów w środowiskach współpracy. Celem tego badania jest wykrycie poziomu satysfakcji człowieka i wykorzystanie go jako informacji zwrotnej do korygowania i poprawy zachowania robota w celu maksymalizacji satysfakcji człowieka. Artykuł ten opisuje eksperymenty i algorytmy, które wykorzystują aktywność mózgu człowieka zbieraną za pomocą BCI w celu oszacowania poziomu satysfakcji. Użytkownicy noszą headset elektroencefalograficzny (EEG) i kontrolują ruch robota za pomocą wyobraźni mentalnej. Roboty reagują na wyobraźnię mentalną, co może nie odpowiadać ludzkiemu poleceniu mentalnemu, co wpłynie na poziom satysfakcji emocjonalnej. Headset rejestruje aktywność mózgu z 14 lokalizacji na skórze głowy. Gęstość spektralna mocy każdej częstotliwości EEG oraz cztery największe eksponenty Lyapunova każdego sygnału EEG tworzą wektor cech. Test Manna-Whitneya-Wilcoxona jest następnie używany do oceniania wszystkich cech. Najwyżej oceniane cechy są następnie wybierane do szkolenia liniowego klasyfikatora dyskryminacyjnego (LDC), aby określić poziom satysfakcji. Nasze wyniki eksperymentalne pokazują dokładność 79,2% w wykrywaniu poziomu satysfakcji człowieka.Kliknij tutaj, aby przeczytać pełny raport
Ehsan Turecki Esfahan. Katedra Inżynierii Mechanicznej, Uniwersytet Kalifornijski w Riverside, USA
Abstrakt
Artykuł ten omawia zastosowanie interfejsu mózg-komputer (BCI) do uzyskiwania emocjonalnej informacji zwrotnej od człowieka w odpowiedzi na ruch humanoidalnych robotów w środowiskach współpracy. Celem tego badania jest wykrycie poziomu satysfakcji człowieka i wykorzystanie go jako informacji zwrotnej do korygowania i poprawy zachowania robota w celu maksymalizacji satysfakcji człowieka. Artykuł ten opisuje eksperymenty i algorytmy, które wykorzystują aktywność mózgu człowieka zbieraną za pomocą BCI w celu oszacowania poziomu satysfakcji. Użytkownicy noszą headset elektroencefalograficzny (EEG) i kontrolują ruch robota za pomocą wyobraźni mentalnej. Roboty reagują na wyobraźnię mentalną, co może nie odpowiadać ludzkiemu poleceniu mentalnemu, co wpłynie na poziom satysfakcji emocjonalnej. Headset rejestruje aktywność mózgu z 14 lokalizacji na skórze głowy. Gęstość spektralna mocy każdej częstotliwości EEG oraz cztery największe eksponenty Lyapunova każdego sygnału EEG tworzą wektor cech. Test Manna-Whitneya-Wilcoxona jest następnie używany do oceniania wszystkich cech. Najwyżej oceniane cechy są następnie wybierane do szkolenia liniowego klasyfikatora dyskryminacyjnego (LDC), aby określić poziom satysfakcji. Nasze wyniki eksperymentalne pokazują dokładność 79,2% w wykrywaniu poziomu satysfakcji człowieka.Kliknij tutaj, aby przeczytać pełny raport
Ehsan Turecki Esfahan. Katedra Inżynierii Mechanicznej, Uniwersytet Kalifornijski w Riverside, USA
Abstrakt
Artykuł ten omawia zastosowanie interfejsu mózg-komputer (BCI) do uzyskiwania emocjonalnej informacji zwrotnej od człowieka w odpowiedzi na ruch humanoidalnych robotów w środowiskach współpracy. Celem tego badania jest wykrycie poziomu satysfakcji człowieka i wykorzystanie go jako informacji zwrotnej do korygowania i poprawy zachowania robota w celu maksymalizacji satysfakcji człowieka. Artykuł ten opisuje eksperymenty i algorytmy, które wykorzystują aktywność mózgu człowieka zbieraną za pomocą BCI w celu oszacowania poziomu satysfakcji. Użytkownicy noszą headset elektroencefalograficzny (EEG) i kontrolują ruch robota za pomocą wyobraźni mentalnej. Roboty reagują na wyobraźnię mentalną, co może nie odpowiadać ludzkiemu poleceniu mentalnemu, co wpłynie na poziom satysfakcji emocjonalnej. Headset rejestruje aktywność mózgu z 14 lokalizacji na skórze głowy. Gęstość spektralna mocy każdej częstotliwości EEG oraz cztery największe eksponenty Lyapunova każdego sygnału EEG tworzą wektor cech. Test Manna-Whitneya-Wilcoxona jest następnie używany do oceniania wszystkich cech. Najwyżej oceniane cechy są następnie wybierane do szkolenia liniowego klasyfikatora dyskryminacyjnego (LDC), aby określić poziom satysfakcji. Nasze wyniki eksperymentalne pokazują dokładność 79,2% w wykrywaniu poziomu satysfakcji człowieka.Kliknij tutaj, aby przeczytać pełny raport