在机器人面试环境中,自行管理的问卷提高了自闭症谱系障碍患者的情绪估计

科学领域:

• 机器人技术 机器人技术 机器人技术
• 人工智能的人工智能
• 心理学 心理学 心理学

背景情况:

• 机器人为患有自闭症谱系障碍 (ASD) 的人提供独特的干预机会.
• 优化机器人运动和感知对于自然的人机交互和有效的机器人干预至关重要.
• 之前的研究利用了监督机器学习 (ML) 对行为数据的使用,用于机器人对情绪状态 (兴奋,价值) 和参与的感知.

研究的目的:

• 调查自行管理问卷数据对自动估计ASD患者在人机交互期间情绪状态和参与的贡献.
• 通过机器人改进的情绪估计来探索长期干预和持续参与者的动机的潜力.

主要方法:

• 25名患有自闭症的参与者接受了一个安卓机器人模拟面试.
• 收集了多模式数据,包括音频,运动,目光和自我管理的问卷.
• 机器学习模型被训练来分类ASD个人的情感状态和参与.

主要成果:

• 开发的ML模型在估计激发和参与方面表现出很高的表现,当包括自行管理问卷数据时,有显著的改进.
• 包括问卷数据提高了对唤起,价值和参与度的分类准确性 (AUC值).
• 证实了使用机器学习与多式联络数据用于机器人对ASD个体影响和参与的感知技术可行性.

结论:

• 自主管理的问卷数据对自动估计ASD患者的情绪状态和参与有着显著的贡献.
• 这些发现支持这样一个假设:整合问卷数据可以增强基于机器人的情感感知.
• 未来的研究应该使用这种方法验证长期干预措施,以保持参与者的动机.