利用生理信息分类人— swarm 交互中的任务难度
人机交互
2021-09-27 v1
摘要
人—集群交互因其在灾害救援、监视、搜救与探索中大量新应用而近期受到关注。然而，若任务难度增加，人类操作者的性能下降，从而降低人—集群团队的整体效能。因此，识别任务难度并自适应地将任务分配给人类操作者以维持最优性能至关重要。在此方向上，我们研究在人—集群交互实验中执行目标搜索任务时的任务难度分类。人类可控制无人 aerial 车辆（UAV）与无人地面车辆（UGV）编队，在目标搜索任务中搜索部分可观测环境。任务复杂性通过引入对抗团队来增加，人类仅当环境被探索时才可看见这些团队。当人类执行任务时，其脑活动通过脑电图（EEG）记录，并用于分类任务难度。我们使用了两种不同分类方法：一种以相干值为输入基于特征的方法，以及一种以原始 EEG 为输入基于深度学习的方法。两种方法均能较好地将任务难度分类于随机水平之上。结果显示了枕叶（O1 与 O2）与其他脑区相干特征的重要性。此外，我们还研究了分类结果中的个体差异（专家 vs. 新手）。分析揭示，专家（T4 与 T3）的颞叶相较于新手在任务难度分类中占主导。
引用
@article{arxiv.2109.12055,
title = {Using Physiological Information to Classify Task Difficulty in Human-Swarm Interaction},
author = {Joseph P. Distefano and Hemanth Manjunatha and Souma Chowdhury and Karthik Dantu and David Doermann and Ehsan T. Esfahani},
journal= {arXiv preprint arXiv:2109.12055},
year = {2021}
}