FenixEdu™

Dissertação

Detecting Interaction Failures through Emotional Feedback and Robot Context EVALUATED

Detalhes: Durante as interações humanos-robôs, os robôs podem violar as normas sociais (Violações de Normas Sociais - SNV) ou realizar comportamentos errôneos devido a falhas de hardware e software (Falhas Técnicas - TF). Se os robôs não estiverem cientes desses erros, a interação pode arriscar a segurança do utilizador. Enquanto interagem, os humanos mostram sinais que traduzem o seu estado interno. Para detetar erros sociais e classificá-los como SNV ou TF, propomos utilizar o Olhar, Movimento da Cabeça, Unidades de Ação, e Emoções, vistas pelo robô, juntamente com as ações recentes do robô. Propomos uma decisão de duas etapas, onde a primeira etapa é detetar erro, seguida pela classificação do tipo de erro. Realizamos um estudo das variações de dados de entrada e algoritmos de classificação. Concentramo-nos no robô Vizzy e num dataset onde o Vizzy interagiu individualmente com 24 participantes num jogo de montagem de blocos, onde tinha dois humores. O “bom” humor ajudava os participantes a vencer. O “mau” humor seria rude, causando violações das normas sociais, e destruiria desajeitadamente os blocos montados, causando falhas técnicas. Em relação ao impacto dos dados de entrada, observamos que: (i) as emoções melhoram a deteção de erros, e (ii) as ações do robô melhoram a deteção e a classificação de erros. Em relação aos algoritmos, Random Forest obtém o melhor desempenho na deteção e na classificação de erros. O uso do filtro de mediana no resultado da classificação do erro aumentou o desempenho do Random Forest para 79,63% de precisão média.
Keywords: Sinais Sociais, Interação Humano-Robô, Emoções, Deteção de erros, Violação da Norma Social, Falhas Técnicas

Discussão: novembro 19, 2021, 17:0