一种基于PSO-BP-RMSProp神经网络的人形机器人身体运动的情感识别方法
Wa Gao1,2, Tanfeng Jiang2, Wanli Zhai2
1Co-Innovation Center of Efficient Processing and Utilization of Forest Resources, Nanjing Forestry University, Nanjing 210037, China.
Sensors (Basel, Switzerland)
|November 27, 2024
概括
这项研究引入了一个计算模型,通过身体运动来识别人形机器人的情绪. 优化的模型显著提高了识别精度,有利于人机交互设计.
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
- 人与计算机的交互
背景情况:
- 在以情感为中心的视角识别机器人身体表情方面存在有限的研究.
- 人形机器人身体运动通常旨在模仿人类的情绪表达.
- 了解用户的感知对于设计有效的机器人情绪表达至关重要.
研究的目的:
- 为人形机器人身体运动提出一种情感识别方法.
- 开发一个计算模型,将机器人的情绪身体运动与人类情绪联系起来.
- 通过改进机器人的情绪表达来增强人机交互 (HRI).
主要方法:
- 设计基于人类情绪表达的机器人身体运动.
- 使用主观问卷和统计方法进行用户感知分析.
- 使用BP神经网络 (EBMR-BP模型) 开发一种情感身体运动识别模型.
- 使用粒子群优化 (PSO) 和RMSProp算法优化EBMR-BP模型,创建PSO-BP-RMSProp模型.
主要成果:
- 该EBMR-BP模型实现了66.67%的情绪识别率.
- 优化的PSO-BP-RMSProp模型显示了显著更高的识别率88.89%.
- 实验性比较验证了两种拟议模型的可行性和有效性.
结论:
- 拟议的方法对于人形机器人身体运动中的情感识别是有效的.
- 模型优化大大提高了情绪识别的准确性.
- 这些发现有助于在HRI中设计更直观和更有效的情感互动.
更多相关视频
06:37Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
Published on: December 15, 2023
2.6K
11:06A Human-machine-interface Integrating Low-cost Sensors with a Neuromuscular Electrical Stimulation System for Post-stroke Balance Rehabilitation
Published on: April 12, 2016
10.4K