Dissertação
Action anticipation through EEG signals for human-robot interaction EVALUATED
O número de contextos em que humanos interajem com robots está em constante crescimento. De forma a alcançar interações segura, fiáveis, e eficazes entre agentes, a capacidade de anticipar as ações de outrém é fundamental. Um corpo de literatura sugere que sinais eletroencefalográficos (EEG) podem revelar informação sobre os processos que precedem a motricidade humana, permitindo que movimentos sejam potencialmente antecipados antes de serem iniciados. Esta tese compara as diferentes abordagens ao desafio de antecipação de ação através de sinais EEG fazendo-se valer da versatilidade de Redes Neuronais Convolucionais (RNCs). Para além disso, o uso de características do olhar, demonstradas previamente em literatura como precedentes de ação, é explorado como complemento ao EEG para alcançar este objetivo. Uma nova métrica para quantificação vantagem temporal providenciada por um sistema de antecipação de ação, fornecendo informação sobre o nível de confiança do classificador, é também proposta e analisada neste trabalho. Os resultados indicam que RNCs atingem valores de exatidão de 88.00\% (desvio padrão 13.81\%) na classificação de períodos de antecipação de ação, consistentemente classificando estes períodos como precedendo ação com uma vantagem temporal de 120 milisegundos, numa abordagem \textit{end-to-end}. Fazendo uso combinado de características de olhar humano com EEG, através de um classificador CNN híbrido, resultados para esta tarefa ascendem a exatidões de 93.14\% (desvio padrão 15.18\%).
novembro 29, 2023, 11:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
