Prediction of Choice Using Eye Tracking and VR
Author
Gomez Cubero, Carlos
Term
4. term
Publication year
2020
Submitted on
2020-06-04
Abstract
This thesis investigates whether human gaze data captured with eye tracking in virtual reality can be used to predict which object a person will choose before the action, with the goal of enabling more human-friendly collaboration with robots. After reviewing prior work on gaze detection, intention recognition, and time-series machine learning, a VR game was developed in which participants chose among objects while their gaze was logged. The resulting time series were examined for the gaze cascade effect and used to train a Long Short-Term Memory (LSTM) model to predict upcoming choices. The results show that the model achieves accuracy significantly above random guessing a few seconds before the participant actually selects an object, across tasks with varying numbers of options. These findings indicate that gaze patterns contain early markers of choice intention and highlight the potential of gaze-based intention recognition for future human-robot interaction.
Denne afhandling undersøger, om menneskers blikdata indsamlet med øjensporing i virtuel virkelighed kan bruges til at forudsige, hvilket objekt en person vil vælge, før valget foretages, med sigte på mere menneskevenlig interaktion med samarbejdende robotter. Arbejdet gennemgår relateret litteratur om øjensporing, intentionserkendelse og tidsserie-baseret maskinlæring, og udvikler dernæst et VR-spil, hvor deltagere skal vælge mellem forskellige objekter, mens deres blik bevægelser logges. De indsamlede tidsserier analyseres i forhold til den såkaldte gaze cascade-effekt og bruges til at træne en Long Short-Term Memory (LSTM) model til valgforudsigelse. Resultaterne viser, at modellen kan opnå en nøjagtighed, der er væsentligt bedre end tilfældig gætning i nogle sekunder, før deltageren faktisk træffer sit valg, på tværs af opgaver med varierende antal valgmuligheder. Fundene indikerer, at blikmønstre indeholder tidlige markører for valgintention, og peger på potentialet for at anvende blikbaseret intentionserkendelse i fremtidige menneske-robot-interaktioner.
[This apstract has been generated with the help of AI directly from the project full text]