神经自适应力反馈：比较明确评分与神经信号在自适应 XR 系统中的强化学习
人机交互
2025-12-22 v2
摘要
神经自适应力反馈为提升延长现实 (XR) 体验的沉浸感提供了路径，通过动态调整多感官反馈以适应用户偏好。我们提出一种神经自适应力反馈系统，通过强化学习 (RL) 从显式用户评分和脑解码神经信号中适应 XR 反馈。在用户研究中，参与者在虚拟现实 (VR) 环境中与虚拟对象交互时记录了电脑神经内探测 (EEG) 数据。RL 智能体根据显式评分或神经解码器的输出调整触觉反馈。结果表明，无论反馈来源如何，RL 智能体的性能相当，这表明无需主动用户输入，隐式神经反馈即可有效指导个性化。EEG 基于的神经解码器实现了平均 F1 分数为 0.8，支持可靠的用户体验分类。这些发现表明，将脑机接口 (BCI) 与 RL 结合以自主方式调整 XR 交互是可行的，从而降低认知负荷并提升沉浸感。
引用
@article{arxiv.2504.15984,
title = {Neuroadaptive Haptics: Comparing Reinforcement Learning from Explicit Ratings and Neural Signals for Adaptive XR Systems},
author = {Lukas Gehrke and Aleksandrs Koselevs and Marius Klug and Klaus Gramann},
journal= {arXiv preprint arXiv:2504.15984},
year = {2025}
}
备注
15 pages, 6 figures