Nachrichten, Gerüchte, Meldungen und Berichte aus der IT-Szene

Redaktion: Heinz Schmitz


Technik, die sich gut anfühlt

Assistenzsysteme verfügen über ein großes Potenzial, Nutzer in den unterschiedlichsten Situationen zu unterstützen. Wenn sie hierbei allerdings auf externe Nutzerinformationen zugreifen, entstehen oft Konfliktfelder. Mit dem Ziel, diese Nutzungsbarrieren abzubauen, entwickelt das Fraunhofer IAO im Projekt »EMOIO« mit Forschungs- und Industriepartnern ein neuro-adaptives System. Dieses soll anhand der Gehirnaktivität des Nutzers erkennen, ob er dem Verhalten des Systems zustimmt oder es ablehnt. Im ersten Schritt werden dazu verschiedene neurowissenschaftliche Methoden bezüglich ihrer Einsatzpotenziale evaluiert und entsprechende Algorithmen zur Live-Emotionserkennung und -Klassifikation entwickelt. Auf dieser Basis soll eine Gehirn-Computer-Schnittstelle entstehen, die die subjektiv empfundene Angemessenheit (Zustimmung/Ablehnung) systeminitiierter Verhaltensweisen erfasst, bewertet und an ein adaptives Assistenzsystem übergibt. Diese Gehirn-Computer Schnittstelle soll es so ermöglichen, das Verhalten von Assistenzsystemen optimal an die individuellen Präferenzen und Bedürfnisse des Nutzers anzupassen. Durch die Verwendung von neurophysiologischem Feedback wird hierbei das direkte, aktive Nutzerfeedback überflüssig und die Interaktion wird nicht gestört. Schließlich soll das entwickelte System in drei verschiedenen Anwendungsfeldern getestet werden. Dazu wird es in eine adaptive Webschnittstelle, ein Fahrerassistenzsystem und ein System zur Mensch- Roboter-Kooperation integriert.

 

Im Projekt »EMOIO« nutzen die Wissenschaftlerdas neu eingerichtete NeuroLab des Fraunhofer IAO. Dort werden verschiedene neurowissenschaftliche Methoden (Elektroenzephalographie und funktionale Nahinfrarotspektroskopie) bezüglich ihrer Einsatzpotenziale zur Emotionsmessung evaluiert. Bei den Arbeiten im NeuroLab steht vor allem die Frage im Mittelpunkt, inwieweit eine Kombination der beiden Verfahren die Klassifikationsgenauigkeit verbessern kann. Besondere Herausforderungen stellen darüber hinaus die Emotionserkennung in Echtzeit und während des Interaktionsprozesses dar.

Zurück