Key points are not available for this paper at this time.
Jüngste Machbarkeitsstudien mit Kindern mit Autismus-Spektrum-Störungen (ASS), die mit sozial unterstützenden Robotern interagieren, haben gezeigt, dass einige Kinder positive Reaktionen auf Roboter zeigen, während andere negative Reaktionen haben können. Es ist unwahrscheinlich, dass Kinder mit ASS irgendeinen Roboter 100 % der Zeit mögen. Daher ist es wichtig, Methoden zur Erkennung negativer Verhaltensweisen von Kindern zu entwickeln, um Stress zu minimieren und eine effektive Mensch-Roboter-Interaktion zu erleichtern. Unsere früheren Arbeiten haben gezeigt, dass negative Reaktionen leicht von einem menschlichen Beobachter allein aus Videoaufnahmen von oben identifiziert und klassifiziert werden können und dass ein automatisierter Positionsverfolger in Kombination mit vom Menschen festgelegten Heuristiken zwischen den beiden Reaktionsklassen unterscheiden kann. Dieses Papier beschreibt und validiert eine verbesserte, nicht-heuristische Methode zur Bestimmung, ob ein Kind positiv oder negativ mit einem Roboter interagiert, basierend auf Gaussian-Mischmodellen (GMM) und einem Naiv-Bayes-Klassifikator von Beobachtungen mit einer Kamera von oben. Der Ansatz erreicht eine Genauigkeitsrate von 91,4 % bei der Klassifizierung von Roboterinteraktionen, Elterninteraktionen, Vermeidung und Verstecken entlang der Wand und zeigt, dass diese Klassen ausreichend sind, um zwischen positiven und negativen Reaktionen des Kindes auf den Roboter zu unterscheiden.
Feil-Seifer et al. (Sun,) haben diese Frage untersucht.