Untersuchung des Effektes fehlerhafter Dateneingaben bei gestenbasierter Roboter-Mensch-Interaktion mit EEG-basiertem Feedback beim Contextual Bandit Problem

Für die Zusammenarbeit von Roboter und Mensch wurde am DFKI eine auf der Basis von bestärkendem Lernen aufgebaute Mensch-Roboter-Schnittstelle entwickelt. Diese ermöglicht eine gestenbasierte Steuerung des Roboters und nutzt Fehlerkorrelierte Potentiale, welche bei der Fehlererkennung im Gehirn hervorgerufen werden, als Feedback für den Roboter. Ziel der vorliegenden Bachelorarbeit war es, eine Untersuchung der fehlerhaften Dateneingaben bei der Mensch-Roboter-Schnittstelle durchzuführen. Dadurch sollte ein Kriterium gefunden werden, damit die gestenbasierte Roboter-Mensch-Interaktion mit EEG-basiertem Feedback eine zufriedenstellende Performanz erreicht. Für die Untersuchung wurde eine deskriptive Datenanalyse von bestehenden Daten, welche in vorherigen Masterarbeiten erhoben wurden, durchgeführt. In dieser Präsentation wird das Ergebnis der Datenanalyse vorgestellt.