面向自适应引导的机器操作任务中用户行为建模
人机交互
2020-09-17 v5 计算机视觉与模式识别
机器学习
摘要
一个支持设备操作员的自适应引导系统需要一种综合模型，该模型涉及多种考虑不同技能与知识水平以及快速变化任务情境的用户行为。在本文中，我们提出了一种新颖的操作任务建模方法，旨在将具有不同经验水平和个人特征的用户所提供的视觉操作记录进行整合。为此，我们研究了在机器操作条件下可视觉观察到的用户行为模式与其技能水平之间的关系。我们考虑了由12名操作员使用头戴式RGB-D相机和静态注视追踪器完成的两种缝纫任务的144个样本。观察到操作员注视与头部运动、手部交互和热点等行为特征，并呈现出由用户技能持续提升带来的显著行为趋势。我们采用两步法对用户行为多样性进行建模：基于技能排序的原型选择与经验整合。实验结果表明，若干特征可作为用户技能评估的适当指标，并为揭示个人行为特征提供有价值的线索。整合具有不同技能与操作习惯的用户记录，得以开发一个丰富、包容的任务模型，可灵活适应多样化的用户特定需求。
引用
@article{arxiv.2003.03025,
title = {Modeling User Behaviors in Machine Operation Tasks for Adaptive Guidance},
author = {Chen Long-fei and Yuichi Nakamura and Kazuaki Kondo},
journal= {arXiv preprint arXiv:2003.03025},
year = {2020}
}