振触覚好意度学習：個人向けの振動フィードバックのための不確実性認識に基づく好意度学習

arXiv:2604.20210v2 告知タイプ: クロス 要旨：振触覚知覚における個人差は、インタラクティブシステムにおけるハプティックフィードバックの増加に伴い、パーソナライゼーションの重要性が高まっていることを示唆している。我々は、高斯過程ベースの不確実性認識に基づく好意度学習を用いて、ユーザー固有の振触覚パラメータの好意度空間を捉えるシステムである「振触覚好意度学習 (VPL)」を提案した。VPL は、全体的なユーザー好意度、およびユーザー報告的不確実性を伴うペアワイズ比較の 40 回ラウンドにわたるクエリ選択を導く、期待情報増加に基づいた取得戦略を使用する。我々は、Microsoft Xbox コントローラーからの振触覚フィードバックを使用するユーザー研究 (N = 13) で VPL を評価し、快適で負荷の少ないユーザーインタラクションを維持しつつ、個々の好意度を効率的に学習できることを示した。これらの結果は、VPL を振触覚体験のスケーラブルなパーソナライゼーションに応用するポテンシャルを浮き立たせている。

arXiv:2604.20210v2 Announce Type: cross Abstract: Individual differences in vibrotactile perception underscore the growing importance of personalization as haptic feedback becomes more prevalent in interactive systems. We propose Vibrotactile Preference Learning (VPL), a system that captures user-specific preference spaces over vibrotactile parameters via Gaussian-process-based uncertainty-aware preference learning. VPL uses an expected information gain-based acquisition strategy to guide query selection over 40 rounds of pairwise comparisons of overall user preference, augmented with user-reported uncertainty, enabling efficient exploration of the parameter space. We evaluate VPL in a user study (N = 13) using the vibrotactile feedback from a Microsoft Xbox controller, showing that it efficiently learns individualized preferences while maintaining comfortable, low-workload user interactions. These results highlight the potential of VPL for scalable personalization of vibrotactile experiences.