Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.pascualbravo.edu.co/handle/pascualbravo/1663
Título : | Detección de emociones a partir de la respuesta galvánica de la piel mediante el aprendizaje automático en un escenario humano-robot. |
Autor: | Giraldo Betancur, Sebastián |
Director(es): | Fonnegra Tarazona, Rubén Dario |
Palabras claves: | Aprendizaje automático Interacción hombre-máquina Emociones |
keywords: | Machine learning Human-machine interaction |
Editorial : | Institución Universitaria Pascual Bravo |
Resumen: | 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. |
Abstract: | 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 |
Aparece en las colecciones: | Tecnología en Desarrollo de Software |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
Rep_IUPB_Tec_Des_Sof_Humano-Robot.pdf Restricted Access | 589,31 kB | Adobe PDF | Visualizar/Abrir Request a copy |
Este ítem está protegido por copyright original |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons