面向生物力学 HCI 任务的强化学习快速原型框架——MyoInteract
人机交互
2026-02-18 v1 人工智能
摘要
基于强化学习 (RL) 的生物力学仿真在 HCI 研究和交互设计方面具有潜在的变革性，但目前缺乏可用性和可解释性。我们以 Human Action Cycle 为设计视角，识别出生物力学 RL 框架的关键局限性，并开发了 MyoInteract——一个用于快速原型化生物力学 HCI 任务的新型框架。MyoInteract 允许设计师在数分钟内从易用的 GUI 中设置任务、用户模型和训练参数。它在数分钟内训练和评估肌肉驱动的仿真用户，训练时间缩短最高可达 98%。12 名交互设计师的工作坊研究显示，MyoInteract 使生物力学 RL 的新手能够在单个工作 session 中成功设置、训练和评估目标导向的用户运动。通过将生物力学 RL 从持续数天的专家任务转化为可访问的单小时工作流程，本工作显著降低了进入 HCI 生物力学研究的门槛，并加速了迭代周期。
引用
@article{arxiv.2602.15245,
title = {MyoInteract: A Framework for Fast Prototyping of Biomechanical HCI Tasks using Reinforcement Learning},
author = {Ankit Bhattarai and Hannah Selder and Florian Fischer and Arthur Fleig and Per Ola Kristensson},
journal= {arXiv preprint arXiv:2602.15245},
year = {2026}
}