一种基于遗传算法的方法,通过连续的机器人辅助治疗课程来调节严重游戏的难度

科学领域:

• 神经康复工程的神经康复工程
• 人与计算机的互动.
• 游戏设计 游戏设计

背景情况:

• 在神经康复中优化治疗强度对于肢体运动恢复和患者动机至关重要.
• 现有的适应性治疗解决方案需要针对每次疗程进行特定的重新校准.
• 需要一种动态的,多会期的适应方法.

研究的目的:

• 建议和评估神经康复游戏的动态适应方法,该方法可以在多个会话中运行,无需重新校准.
• 通过使用遗传算法来增强治疗强度适应,以最大限度地提高用户的运动和动机.
• 调查适应性游戏设计对用户心理生理状态的影响.

主要方法:

• 使用遗传算法来调整游戏参数,旨在保持目标得分并激励用户移动.
• 该适应方法在两场严的游戏和一个康复机器人中进行了五次测试.
• 用户的心理和生理状态被评估,使用自我评估人形 (SAM) 测试和生理信号 (心肺呼吸,皮反应).

主要成果:

• 遗传算法成功地确定了游戏参数,在两个评估的游戏中最大限度地提高了用户的运动.
• 在一场比赛中保持目标得分率时观察到高保真度.
• 个性化在会话中增加,由不断增长的游戏参数分散体现出来.
• 尽管游戏难度增加,但用户的情绪和生理状态仍然保持一致.

结论:

• 基于遗传算法的适应有效地最大限度地提高了神经康复治疗的性能,无需重新校准.
• 游戏设计显著影响了适应过程的有效性.
• 实施的自适应游戏设计不会对用户的情绪或生理健康产生不利影响.