人-机协作危险识别中的投票加权：从脑电图小波推断危险感知阈值与决策置信度
人机交互
2023-12-11 v1
摘要
目的：人-机协作是改进危险检测的一种有前景策略。然而，关于有效整合人与机器的意见以实现最优群体决策的研究尚显不足。因此，考虑到脑机接口(BCI)可实现直观通信的优势，本研究提出一种新方法，从脑活动预测人的危险响应选择与决策置信度，以构建更优的置信度加权投票策略。方法：首先，我们开发了基于贝叶斯推断的算法，从人脑信号中确定报告危险所对应的决策阈值。该方法在实验室采集的脑电图(EEG)数据上进行了实证检验，并使用信号检测论的行为指标进行交叉验证。随后，基于数值模拟，确定了以顶叶alpha频段EEG功率为特征的低、中、高置信度水平区分的决策准则。发现：所研究的危险识别任务被描述为涉及决策不确定性评估的概率推断过程。结果证明了EEG测量在观察人对危险判别的内部表征方面的可行性。此外，通过对标最优贝叶斯观测器，获得了区分低、中、高置信度水平的最优准则。原创性：本研究展示了BCI作为有效远程通信信道的潜力，为协作人-机系统研究领域未来危险检测技术的设计奠定了基础。
引用
@article{arxiv.2211.06132,
title = {Weighing votes in human-machine collaboration for hazard recognition: Inferring hazard perceptual threshold and decision confidence from electroencephalogram wavelets},
author = {Xiaoshan Zhou and Pin-Chao Liao},
journal= {arXiv preprint arXiv:2211.06132},
year = {2023}
}