Please use this identifier to cite or link to this item: https://repositorio.pascualbravo.edu.co/handle/pascualbravo/1663
Title: Detección de emociones a partir de la respuesta galvánica de la piel mediante el aprendizaje automático en un escenario humano-robot.
Authors: Giraldo Betancur, Sebastián
metadata.dc.contributor.advisor: Fonnegra Tarazona, Rubén Dario
metadata.dc.subject.proposal: Aprendizaje automático
Interacción hombre-máquina
Emociones
metadata.dc.subject.keyword: Machine learning
Human-machine interaction
Publisher: Institución Universitaria Pascual Bravo
Abstract: La computación afectiva ha sido un campo de investigación en crecimiento durante los últimos años, ya que muchas decisiones humanas se basan en sus emociones y juicios. Como consecuencia, esta área ha sido explorada a partir del análisis de múltiples recursos de información considerando las diferentes manifestaciones físicas de las emociones. Este trabajo propone el uso de la respuesta galvánica de la piel (GSR) para estimar la emoción en los participantes durante una interacción humano-robot. Para lograr esto, se propone un experimento durante una interacción humano-humano y humano-robot bajo una configuración de juego Jenga, y se provoca un estímulo (derrumbar o no derrumbar la torre). Se registran las señales GSR y las puntuaciones del Programa de Afecto Positivo y Negativo (PANAS). Luego, se utilizan múltiples modelos de aprendizaje automático para estimar el efecto emocional en condiciones previas. Los resultados de los modelos de aprendizaje automático muestran efectividad para estimar el estado emocional de los participantes.
metadata.dc.description.abstracteng: Affective computing has been a growing research field during recent years since lots of human’s decisions are based on their emotions and judgements. As a consequence, this area has been explored from the analysis of multiple information resources considering the different physical manifestation of emotions. This work proposes the use of galvanic skin response (GSR) to estimate the emotion in participants during a human-robot interaction. To achieve this, an experiment is proposed during a human-human and human-robot interaction under a Jenga game setup, and a stimulus is elicited (throw or not throw the tower). GSR signals and Positive and Negative Affect Schedule (PANAS) scores are recorded. Then, multiple machine learning models are used to estimate the emotional affection under previous conditions. Results for machine learning models show effectiveness to estimate the emotional state of participants.
URI: https://repositorio.pascualbravo.edu.co/handle/pascualbravo/1663
Appears in Collections:Tecnología en Desarrollo de Software

Files in This Item:
File Description SizeFormat 
Rep_IUPB_Tec_Des_Sof_Humano-Robot.pdf
  Restricted Access
589,31 kBAdobe PDFView/Open Request a copy


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons