通过力曲线数据驱动分析量化车门触觉情感

触觉情感在用户体验中起着至关重要的作用，尤其是在汽车行业中，部件的触觉质量会影响客户满意度。本研究旨在仅通过观察车门开启时的力或扭矩曲线来准确预测其情感属性。为此，我们设计了一个深度学习模型，以捕捉力曲线与用户定义的形容词评分之间的潜在关系，从而提供对开门体验的洞察。本研究使用的数据集包括从六种不同车型收集的力曲线和用户形容词评分，反映了多样化的开门特性和触觉反馈。该模型的性能使用留一交叉验证法进行评估，该方法衡量了其对未见数据的泛化能力。结果表明，所提出的模型达到了很高的预测精度，表明其在汽车行业中与触觉情感和设计优化相关的各种应用中具有潜力。