利用 EEG 和 GSR 感知人类对机器信任的分类模型
人机交互
2023-04-17 v1
摘要
如今，智能机器以要求人机之间更高信任水平的方式与人类 \emph{交互和协作}。构建能够与人类建立并维持信任的智能机器的第一步，是设计一种传感器，使机器能够实时估计人类的信任水平。本文提出了两种基于分类器的经验信任传感器模型开发方法，这些方法专门使用脑电图（EEG）和皮肤电反应（GSR）测量值。从 45 名参与者收集的人类受试者数据用于特征提取、特征选择、分类器训练和模型验证。第一种方法考虑所有参与者通用的一组心理生理特征作为输入变量，并为每位参与者训练基于分类器的模型，从而得到基于通用特征集的信任传感器模型（即“通用信任传感器模型”）。第二种方法考虑针对每个个体定制的特征集，并使用该特征集训练基于分类器的模型，从而提高了平均准确率，但代价是训练时间增加。这项工作代表了首次将实时心理生理测量用于开发人类信任传感器。还讨论了这项工作在智能机器信任管理算法设计背景下的意义。
引用
@article{arxiv.1803.09861,
title = {A Classification Model for Sensing Human Trust in Machines Using EEG and GSR},
author = {Kumar Akash and Wan-Lin Hu and Neera Jain and Tahira Reid},
journal= {arXiv preprint arXiv:1803.09861},
year = {2023}
}
备注
20 pages