量化人类对控制机器人群的信任:基于EEG的分析和分类

科学领域:

• 人与计算机的交互
• 机器人技术 机器人技术 机器人技术
• 神经科学是一个神经科学.

背景情况:

• 信任对于人际关系至关重要,但在人机交互中具有挑战性.
• 人类直接控制机器人群需要理解信任动态.
• 目前评估对自主系统信任度的方法有限.

研究的目的:

• 为了研究人类控制机器人群的过程中信任的神经相关性.
• 开发一种机器学习模型,从大脑活动中量化信任水平.
• 探索基于信任的自适应性机器人群行为潜力.

主要方法:

• 收集了来自人类受试者的脑电图 (EEG) 数据,这些人通过操纵杆控制机器人群.
• 在系统中引入噪音以引起不信任.
• 应用机器学习技术来分类信任的EEG相关值.

主要成果:

• 识别了人类与机器人群交互中信任的独特的神经相关物.
• 在从EEG数据中辨别信任级别时,获得了超过88%的分类准确性.
• 证明了实时量化信任的可行性.

结论:

• 在人类与机器人群交互时,可以发现信任的神经相关性.
• 机器学习可以准确量化信任,促进人类和机器人的合作.
• 这项研究对于在探索和防御等关键应用中部署机器人群至关重要.