Programa del congreso
Resúmenes y datos de las sesiones para este congreso. Seleccione una fecha o ubicación para mostrar solo las sesiones en ese día o ubicación. Seleccione una sola sesión para obtener una vista detallada (con resúmenes y descargas, si están disponibles).
|
Resumen diario |
| Sesión | |
|
Vi-S6.4-RMReh: Robótica médica, rehabilitación y cirugía asistida Lugar: Aula 1.05 Presidente de la sesión: Ignacio Oropesa García Presidente de la sesión: Patricia Sánchez González | |
    | |
10:00 - 10:15
Diseño y entrenamiento de un agente de aprendizaje por refuerzo para entornos de rehabilitación gamificada. Comparación con jugadores reales. Instituto Universitario de Investigación en Tecnología Centrada en el Ser Humano, Neurorehabilitation and Brain Research Group, Universitat Politècnica de València La rehabilitación de los déficits neuropsicológicos y motores requiere intervenciones generalmente repetitivas, intensivas, con carácter motivador y adaptadas al estado de cada paciente. En este contexto, los entornos gamificados se han consolidado como herramientas capaces de fomentar la motivación y adherencia a los programas terapéuticos, promoviendo la mejora de funciones cognitivas como la atención, toma de decisiones y coordinación visomotora. Interesantemente, la motivación y efectividad de las intervenciones ha demostrado potenciarse con estrategias competitivas. El presente estudio expone el desarrollo y evaluación de un agente inteligente, entrenado mediante técnicas de Deep Reinforcement Learning, para competir contra usuarios reales en un juego de rehabilitación cognitiva. El desempeño del agente fue comparado con el de 10 jugadores humanos considerando métricas de ejecución del juego como puntuación final y número de movimientos, entre otras. Los resultados mostraron que el agente superó significativamente a los jugadores humanos en la mayoría de las métricas mostrando mayor eficiencia y capacidad de reacción. Estos resultados respaldan la viabilidad de entrenar agentes virtuales para que compitan con usuarios reales, incluso con mejor rendimiento.
| |