设计用于人类参数探索的深度强化学习
人机交互
2021-01-29 v2 机器学习
声音
音频与语音处理
摘要
用于生成数字声音的软件工具常向用户提供高维参数化界面，这可能不利于探索多样的声音设计。本文中，我们提议研究使用深度强化学习的人工代理，以在与用户合作中进行声音设计的参数空间探索。我们描述了一系列以用户为中心的研究，以探究这些代理的创造性益处并使其设计适应探索。观察用户使用参数化界面的探索策略并测试不同代理探索行为的初步研究，促成了名为 Co-Explorer 的全功能原型的设计，我们在一个由专业声音设计师参与的 workshop 中对其进行了评估。我们发现 Co-Explorer 实现了以人机合作为中心的新型创造性工作流，并受到从业者的积极评价。我们还强调了在与我们的系统合作过程中多样的用户探索行为。最后，我们提出了在创造性数字应用中实现此类共同探索工作流的设计准则。
引用
@article{arxiv.1907.00824,
title = {Designing Deep Reinforcement Learning for Human Parameter Exploration},
author = {Hugo Scurto and Bavo Van Kerrebroeck and Baptiste Caramiaux and Frédéric Bevilacqua},
journal= {arXiv preprint arXiv:1907.00824},
year = {2021}
}
备注
Author's version of the work. The definitive Version of Record was published in ACM Transactions on Computer-Human Interaction (TOCHI)