模拟用户中的视觉偏差：亮度和对比度对基于强化学习的交互的影响
人机交互
2026-03-03 v1
摘要
强化学习（RL）使 HCI 任务的仿真成为可能，但当性能由与交互设计无关的视觉渲染制件驱动时，其有效性值得怀疑。我们系统性地分析了亮度和对比度如何影响行为，通过在指向和跟踪任务上训练 247 个模拟用户。我们在无干扰、静态干扰和移动干扰条件下变化任务相关对象、干扰项和背景的亮度，并评估任务性能和对未见亮度的鲁棒性。结果表明，在静态干扰情况下，亮度变得至关重要，显著降低性能和鲁棒性，而运动线索则有助于缓解这一问题。此外，鲁棒性取决于保持亮度的相对顺序，而非匹配绝对值。尤其是极端亮度（尤其是黑色）常常导致高性能但差异性差。总体而言，看似微小的亮度变化可以显著塑造所学行为，揭示了 RL 驱动的模拟用户实际学习内容的关键见解。
引用
@article{arxiv.2603.01901,
title = {Visual Bias in Simulated Users: The Impact of Luminance and Contrast on Reinforcement Learning-based Interaction},
author = {Hannah Selder and Charlotte Beylier and Nico Scherf and Arthur Fleig},
journal= {arXiv preprint arXiv:2603.01901},
year = {2026}
}
备注
10 pages, 8 figures, CHI EA 2026