طراحي و پياده سازي كنترلر نروفازي تطبيقي براي بازي هاي حركتي

Design and Implementation of Adaptive Neuro-fuzzy Exergame Controller

مقدمه: در اثر كم‌تحركي ناشي از عدم فعاليت در بازي‌هاي ويدئويي، مشكلات جسماني بسياري در بين طرفداران اين بازي‌ها به وجود آمده ‌است. يك راهكار عملي براي مقابله با اين معضل، ارايه يك كنترلر بازي به منظور افزايش فعاليت فيزيكي مي‌باشد. در پژوهش حاضر، كنترلر نروفازي تطبيقي براي بازي‌هاي حركتي معرفي شد. مواد و روش‌ها: كنترلر از چهار پد الاستيك متشكل از مقاومت و كليد فشاري متصل به يك ميكروكنترلر و نرم‌افزار كنترلي تشكيل مي‌شود. به منظور بهبود تجربه كاربر، از منطق فازي تطبيق‌پذير براي پردازش داده دريافتي از كنترلر استفاده شده است. در مرحله آموزش، پارامترهاي توابع عضويت سيستم فازي تنظيم شده و به كمك بردار گراديان محاسبه ‌شده، پارامترهاي سيستم فازي با استفاده از روش پس‌انتشار و بر اساس خطاي محاسبه شده به‌روزرساني مي‌گردد. يافته‌ها: در سيستم فازي تام، كاربران با سن و خصوصيات فيزيكي متفاوت، تجربه بازي مناسبي را از يك سيستم از پيش تنظيم شده كسب نمي‌كنند. در طرح اين پژوهش، دستور انتقال يافته به كامپيوتر اصلي، در حقيقت خروجي سيستم فازي و يكي از دسته‌هاي از پيش تعريف ‌شده Ignore، Press و يا Hold است كه باعث بهبود تجربه‌ي كاربر مي‌شود. نتيجهگيري: در روش پيشنهادي با جمع‌آوري سيگنال از كاربر براي تنظيم سيستم‌ فازي، كنترلر عملكرد قابل قبولي دارد و رضايت كاربر تأمين مي‌گردد؛ چرا كه سيستم بر اساس خصوصيات فيزيكي كاربر آموزش داده‌ مي‌شود. سپس داده‌هاي جمع‌آوري‌ شده جهت تغيير پارامتر‌هاي سيستم فازي طراحي شده مورد استفاده قرار مي‌گيرد تا كنترلر تجربه بازي لذت‌بخشي را براي كاربر فراهم نمايد.

Introduction: Due to sedentary postures caused by video games, many health-related issues have occurred among players. One practical solution for dealing with the aforementioned problem is to come up with game controllers which promote physical exercises. In this study, an adaptive neuro-fuzzy exergame controller was introduced. Materials and Methods: During the training stage, the parameters of the fuzzy logic’s member functions were finetuned. By calculating a gradient vector and by applying backpropagation, the aforementioned parameters were updated using the measured error. The controller was made of four pads, each containing a resistor and a pushbutton, which were connected to a microcontroller. In order to improve the user experience, an adaptive neuro-fuzzy logic system was used to analyze the gathered data from the controller. Results: A pure fuzzy logic system (FLS) cannot provide an acceptable playing experience for players of different ages and physical characteristics. The received signal from the controller was sent to a fine-tuned FLS. The calculated output of the previously trained FLS was one of the defined classes of “ignore”, “press”, and “hold”, which was sent as a command to the main computer. Conclusion: In the proposed method, the FLS was fine-tuned by gathering data from the user, which improved the performance of the controller due to the fact that the controller was trained to best suit the needs of the user. The gathered data was then used to change the parameters of the FLS to provide an acceptable playing experience for the user.