运动学习中参与度的持续追踪
人机交互
2024-02-16 v1
摘要
教授演奏音乐、书写和驾驶等运动技能,可极大受益于近期发展的技术,如用于触觉反馈的可穿戴手套,或用于介导有效的人-人及机器人-人物理交互的机器人感觉运动外骨骼。在此类师生交互的核心,仍是教师能在学习与练习过程中持续获得关于学生参与度状态的反馈这一关键作用。尤其对于运动学习,此类反馈是在一个系统中引导教师控制物理交互强度并使其最佳适应学习者逐渐演进表现所必需的功能。本文聚焦于开发一种近实时的机器学习模型,该模型从一组易得、非侵入、保护隐私的体戴传感器获取输入,以追踪学习者在运动任务中的参与度。我们以小提琴演奏这一具体案例作为目标领域,在其中经验性地采集数据,细致构建运动学习中的参与度潜变量用于数据标注,并严格训练与验证了一个机器学习模型。
引用
@article{arxiv.2308.07670,
title = {Ongoing Tracking of Engagement in Motor Learning},
author = {Segev Shlomov and Jonathan Muehlstein and Nitzan Guetta and Lior Limonad},
journal= {arXiv preprint arXiv:2308.07670},
year = {2024}
}