|
人機互動組目前的研究方向著重於發展機器人認知框架並關注人與機器人的互動。此外，本組另有針對生醫工程方面進行研究，內容包含發展人類大腦認知預測模型，並應用機器學習與特徵工程分析腦電訊號（EEG,electroencephalogram）。
服務機器人MOBI：
本實驗室所研發之服務機器人MOBI是以Dashgo Smart平台為基底，向上延伸電池層、電腦設備層以及手臂層，最後連接頭部。MOBI的頭部採用2個自由度，而其手臂則採用6個自由度的設計來仿照人手，並且末端點可以搭配自製治具或者是使用本實驗室自行設計與開發的擬人型手掌。通訊方式同時使用EtherCAT與RS232，藉此來進行實時的操作與控制。整體而言，MOBI機器人的硬體由本實驗室設計並委外加工後，自行組裝測試而成。
MOBI的硬體部分包含平台、手臂、手掌、頭、面板、雙深度相機以及外殼，軟體部分則分為頭、手臂、手掌、平台以及腦袋，其中頭、手臂、手掌的部分是自行將馬達的通訊控制方式，寫入到實驗室Robot的程式內，來開發實驗室的演算法。另一方面，平台的建圖與導航是以ROS的架構來進行通訊控制，並且在腦袋的部分有自行建立的學習模型來使機器人具有判別人類行為以及情緒等功能。
圖一、本實驗室研發之服務機器人MOBI
圖二、MOBI機器人的控制介面demo
視訊機器人MOBI-mini：
本實驗室基於MOBI機器人的外型構建了一個帶有相機、揚聲器和麥克風的輕量機器人，它能夠表現情緒與肢體動作，用於人機互動與對話研究。MOBI-mini搭載以大型語言模型所驅動的機器人認知系統，使其能夠同時具備長期及短期的工作記憶能力，有效回應使用者的語句並表現出高度互動能力。
圖三、本實驗室研發之視訊機器人MOBI-mini
圖四、MOBI-mini的控制架構
工作記憶統計模型：
本實驗室提出一個工作記憶統計模型，用以分析腦電訊號辨別工作記憶的使用狀況，並提出結合統計模型與機器學習的知識模型向量機（Knowledge-based Fuzzy Support Vector Regression），有效從腦電訊號預測人類工作記憶表現。
圖五、本實驗室研發之工作記憶統計模型之設計與架構
圖六、工作記憶統計模型分析結果
高齡認知功能評估：
本實驗室基於發展人類大腦模型的目的，專注於高齡認知能力的評估，以及建立認知老化模型。目前已完成收集不同年齡層（主要為50至90歲）受試者的腦波訊號，以及包含MoCA（the Montreal Cognitive Assessment）在內的許多測驗數據。針對MoCA測驗的統計數據，本組提出了失智症模型的認知階層（Cognitive hierarchy of dementia model），如圖七。現階段正在針對EEG訊號進行不同的統計分析、時頻特徵擷取、訊號處理與機器學習之模型訓練，以識別與認知老化相關的特徵，並發展相應的模型來評估個體的認知狀態。
圖七、本實驗室研發之工作記憶統計模型之設計與架構
|
