presentació
Transcripción
presentació
Affective Computing Ramón García Moisés Artacho Albert Aubanell ¿Qué es Affective Computing? · Sistema capaz de reconocer estados afectivos · Respuesta en función del estado el usuario = Hacer una máquina más humana ¿Porqué Affective Computing? · Cada vez hay más mecanismos HCI. Expectativas mayores. · Interacción natural = Interacción humana · Aumenta posibilidades de la interacción · Interacción colaborativa ¿Para qué Affective Computing? · Reducir estrés de controladores aéreos · Aumentar / mantener nivel de estrés de pilotos · Tratamiento de fobias · Asesoramiento neuro-psicológico · Robots o dispositivos capaces de interactuar con niños autistas (MEDIATE Dr. Narcis Parès) ¿Cómo hacer Affective Computing? · Análisis de factores: · Medidas fisiológicas: -Ritmo cardíaco… · Contexto de trabajo: -tipo, complejidad, duración, hora del día… · Personalidad: -agresividad, obsesión… ¿Qué tecnología existe? · Seguimiento de la vista · Reconocimiento de expresión facial · Wearable computers: -Pendientes que recogen medidas fisiológicas -Ropa inteligente · Expression glasses: -Gafas que detectan interés o confusión… ¡ PROBLEMAS ! · Procesado en tiempo real del flujo de datos ! ¿Sentir o no sentir? Simular un estado afectivo Induce al comportamiento afectivo del usuario humano ¿Cómo reacionar? · Para decidir cómo actuar según el estado: Se requiere un Modelo de Estados Afectivos Estudios realizados …conclusiones… · Muchas aplicaciones de interés · Nuevas líneas de investigación, muchas cosas por descubrir · Métodos invasivos · Errores · Factores éticos SenToy - Interfaz afectiva - Proyecto Safira • Desarrollo de una interfaz capaz de reaccionar afectivamente. • Implementación de 6 estados de ánimo: – Anger (Enfado) – Fear (Miedo) – Disgust (Repugnancia) – Happiness (Felicidad) – Sadness (Tristeza) – Surprise (Sorpresa) Escoger un modelo -Osito de peluche -Muñeca de trapo -Ken Reacciones SenToy • Anger : Pelear con los brazos • Fear : Manos frente a los ojos • Disgust : Brazo frente a la cara • Happiness : Bailando, en movimiento • Sadness : Encorbado • Surprise : Manos al aire Implementación • 3 sensores – Aceleración a la que es sometida el modelo. – Posición de las extremidades. – Sensor digital para saber si los brazos están frente a los ojos o no. Prueba piloto Tele-Home - Cuidados Médicos a Distancia - Posibilidades • Comunicación médico-paciente a distancia. • Conseguir datos vitales de forma remota: – Tensión – Pulsaciones • Reconocimiento psicológico a través de chat. Requisitos • Construir un modelo digital a partir del paciente. • Este modelo debe reaccionar a las muestras afectivas del paciente, adaptando su estado de ánimo. • Reconocimiento facial. MOUE (Model Of User's Emotions) • Sistema que construye un modelo virtual a partir del paciente. • Utiliza varios dispositivos multi-sensoriales: – Teclado y ratón – Cámara – Micrófono – Ordenador añadido al brazo Ordenador añadido al brazo Panel de Control MOUE Características • Base de datos de todas las posibles emociones del paciente. • Categorizar emociones para producir estadísticas de estados de ánimo. • Según la experiencia con el tiempo, predecir los estados de ánimo del paciente. • Proveer al paciente de un informe sobre su estado. Interfaz Respostes fisiològiques a diferents dissenys de WEB INTRODUCCIÓ S’ha demostrat que el cos humà modifica determinats factors fisiològics com a resposta a diferents estímuls. Les persones no notem molts d’aquests canvis però sí que es poden detectar amb aparells: • El cor batega més ràpid si mirem un vídeo filmat a baixa freqüència (25fps) que si el mirem amb una freqüència més alta (50fps). (Wilson & Sasse 2000) • Els videojocs produeixen canvis ràpids en l’activitat muscular sobretot quan el joc no respon al control del jugador. (Picard 1996) • El volum de sang per pulsació (BVP) varia al produir-se errors inesperats en diferents softwares. (Scheirer i altres 2002) OBJECTIUS Establir una relació entre diferents estímuls HCI en un entorn WEB i les conseqüents variacions dels factors fisiològics: • HR (Hearth Rate) • SC (Skin Conductance) = activitat de les glàndules de suor • FBV (Finger Blood Volumne) PROCEDIMENT Sobre una base de dades dels residents d’un poble, es van dissenyar dos entorns Web per accedir-hi (un ben dissenyat i un de mal dissenyat). Per la prova es van escollir 20 participants 18-48 anys. A la meitat se li assigna el disseny bo i a l’altre meitat el dolent. Durant 10’ els usuaris dels dos grups havien de respondre un seguit de preguntes. En tot el procés es van mesurant i computant simultàniament les variables HR, SC i FBV de cada un dels participants. Disseny bo Disseny dolent RESULTATS Nº de respostes durant els 10 minuts: Ø Disseny bo: 21 Ø Disseny dolent: 12 Quasi bé el doble de diferència! CONCLUSIONS PROS La mesura dels factors fisiològics HR, SC i FBV ens permeten detectar si l’ l’usuari està està estressat, estressat, relaxat, nervió nerviós, atent,.. Les variacions d’ d’aquestes dades en un instant de temps determinat solen coincidir al produirproduir-se un estí estímul d’ d’interacció interacció HCI (ex. quan apareix un poppop-up > HR augmenta). Això pot ajudar a detectar i resoldre problemes d’interacció interacció amb el software, fins hi tot quan l’ s conscient. l’usuari no n’é n’és Al disseny de interfí interfícies cal tenir en compte aquests factors i fins hi tot podem modificar l’ nim de l’ l’estat d’à d’ànim l’usuari si és necessari. CONTRES El fet de mesurar aquests factors no és un indicador de què què un programa està està ben dissenyat o no, ja que la fisiologia humana és molt complexa i els resultats poden variar segons la persona, la humitat, temperatura, el soroll soroll de l’ l’entorn i altres factors externs. Es necessita gran capacitat de procé procés per computar en temps real les dades. Els aparells de mesura influeixen en el resultat. Variacions de la Pupil·la: un indicador d’afectivitat INTRODUCCIÓ Diversos estudis han demostrat una relació entre el tamany de la pupil·la i diferents estímuls emocionals: • Els homes prefereixen dones amb la pupil·la més gran. El tamany de la pupil·la és un indicador de l’excitació. (Hess & Petrovich 1987). • En general la pupil·la es dilata en estímuls positius o negatius i es manté petita en situacions normals. (Janisse 1974). OBJECTIU Veure quina relació hi ha entre diferents estímuls sonors i el tamany de la pupil·la. Doncs es podria aplicar això a estímuls de tipus HCI (Interacció Home - Ordinador). PROCEDIMENT 30 voluntaris de 18-48 anys, 15 homes i 15 dones. 30 estímuls sonors de la col·lecció IADS (International Affective Digitalized Sounds): - 10 positius (ex. un nen rient) - 10 negatius (ex. una lluita entre dos persones) - 10 neutrals (ex. soroll de fons d’una oficina) Cada participant disposa d’uns auriculars i d’un aparell de detecció de la pupil·la. Els sons de 6” de duració són aleatoris. Després de cada so l’usuari puntua l’estímul de 1-9 (negatiu - neutral - positiu) i si el so provoca relax o stress. El fet d’utilitzar estímuls sonors és perquè així s’eviten els problemes de lluminositat i reflexió de la llum que s’han detectat en altres estudis. RESULTATS General Dones Homes CONCLUSIONS PROS Estímuls positius i negatius produeixen una dilatació de la pupil·la mentre que en situacions normals la pupil·la es manté més petita. La dilatació té una relació linear amb el grau de l’estímul. No és necessari instal·lar cap aparell a l’usuari, el sistema de detecció és independent i la tecnologia utilitzada és relativament simple. La dilatació de la pupil·la és un acte involuntari del sistema nerviós i per tant no hi ha errors forçats per l’usuari. Es pot combinar amb altres sistemes de detecció emocional (detecció facial). CONTRES Pràcticament no es pot detectar si l’estímul és positiu o negatiu. És difícil aplicar-ho a estímuls HCI perquè s’ha de controlar la lluminositat que incideix a la pupil·la i moltes interfícies actuals són visuals. Generació de veu expressiva INTRODUCCIÓ i OBJECTIUS En els darrers anys s’ha evolucionat molt en el desenvolupament de robots que expressen i detecten emocions. (AIBO i SDR3-X de Sony). L’objectiu és trobar un sistema de síntesi de veu que permeti expressar emocions com felicitat, enfadat, trist, normalitat,.. El sistema es podria implementar als robots i permetre una comunicació natural entre persones i robots. PROCEDIMENT S’utilitza el sintetitzador MBROLA (software lliure) per concatenar i reproduir les paraules. També s’implementa un algoritme propi que modifica la freqüència, l’amplitud i la duració de cada fonema segons l’afecte que es vol produir. S’afegeix també un soroll aleatori al senyal per tal que sigui més real. 1a. prova Per comprovar l’efectivitat del sistema es reprodueixen 30 seqüències cada una amb emotivitat aleatòria. Els participants trien entre “Calma”, “Enfadat”, “Tristesa”, “Confortable” o “Feliç”. 2a. prova Es reprodueixen unes quantes seqüències aleatòries i els participants les ordenen de més “jove” a més “vell”. Per aconseguir l’efecte d’edat es varia només la freqüència de mostreig (a la prova1 era constant a 3Khz). Exemples de la 1a. prova: Neutral Enfadat Trist Content ???? ???? RESULTATS • La mitjana d’encerts és del 57%. • En la comunicació entre persones és del 60%. • Hi ha una confusió entre Calm i Comfort. Si s’agrupa en un sol grup “Neutral”, llavors la mitjana d’encerts és del 75%. • La 2a. prova reflecteix un encert de mitjana 92%. CONCLUSIONS La sintetització per concatenació ha donat bons resultats fins hi tot amb persones de cultures i llengües diferents. L’algoritme utilitzat és molt simple comparat amb altres estudis. No es requereixen gaires recursos ? és viable la implamentació en robots. Actualment només es produeixen 4 emocions diferents però en posteriors estudis se’n poden aconseguir d’altres o establir nivells en una mateixa emoció (ex: content, molt content).