論文の概要: Investigating Positive and Negative Qualities of Human-in-the-Loop Optimization for Designing Interaction Techniques

• arxiv url: http://arxiv.org/abs/2204.07641v1
• Date: Fri, 15 Apr 2022 20:40:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-21 05:22:47.039096
• Title: Investigating Positive and Negative Qualities of Human-in-the-Loop Optimization for Designing Interaction Techniques
• Title（参考訳）: ヒューマン・イン・ザ・ループ最適化によるインタラクション設計手法の正負性の検討
• Authors: Liwei Chan, Yi-Chi Liao, George B. Mo, John J. Dudley, Chun-Lien Cheng, Per Ola Kristensson, Antti Oulasvirta
• Abstract要約: 設計者は、与えられた目的の集合を最大化する設計パラメータの組み合わせを見つけるよう求められる設計最適化タスクに苦労すると言われている。 モデルベースの計算設計アルゴリズムは、設計中に設計例を生成することでデザイナを支援する。 一方、補助のためのブラックボックスメソッドは、あらゆる設計問題に対処できる。
• 参考スコア（独自算出の注目度）: 55.492211642128446
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Designers reportedly struggle with design optimization tasks where they are asked to find a combination of design parameters that maximizes a given set of objectives. In HCI, design optimization problems are often exceedingly complex, involving multiple objectives and expensive empirical evaluations. Model-based computational design algorithms assist designers by generating design examples during design, however they assume a model of the interaction domain. Black box methods for assistance, on the other hand, can work with any design problem. However, virtually all empirical studies of this human-in-the-loop approach have been carried out by either researchers or end-users. The question stands out if such methods can help designers in realistic tasks. In this paper, we study Bayesian optimization as an algorithmic method to guide the design optimization process. It operates by proposing to a designer which design candidate to try next, given previous observations. We report observations from a comparative study with 40 novice designers who were tasked to optimize a complex 3D touch interaction technique. The optimizer helped designers explore larger proportions of the design space and arrive at a better solution, however they reported lower agency and expressiveness. Designers guided by an optimizer reported lower mental effort but also felt less creative and less in charge of the progress. We conclude that human-in-the-loop optimization can support novice designers in cases where agency is not critical.
• Abstract（参考訳）: デザイナーは設計最適化タスクに苦労し、与えられた目的のセットを最大化する設計パラメータの組み合わせを見つけるよう求められる。 HCIでは、設計最適化の問題は非常に複雑であり、複数の目的と高価な経験的評価を含む。 モデルベースの計算設計アルゴリズムは設計時に設計例を生成することでデザイナを支援するが、それらは相互作用領域のモデルを想定している。 一方、補助のためのブラックボックスメソッドは、あらゆる設計問題に対処できる。 しかし、このヒト・イン・ザ・ループのアプローチに関する実証研究は、研究者かエンドユーザによってほぼすべて実施されている。 問題は、そのような手法がデザイナーが現実的なタスクに役立てるかどうかだ。 本稿では,設計最適化過程を導くアルゴリズム手法としてベイズ最適化について検討する。 以前の観察から次に試す候補を設計するデザイナに提案することで動作する。 複雑な3Dタッチインタラクションを最適化する作業に従事した40人の初心者デザイナーを対象に,比較研究の結果を報告する。 このオプティマイザは、デザイナーが設計スペースの広い割合を探索し、より良い解決策にたどり着くのに役立った。 オプティマイザによって導かれたデザイナーは、より低い精神的努力を報告したが、創造性が低下し、進歩に対する責任が減ったと感じた。 我々は,人間とループの最適化は,機関が重要でない場合に初心者デザイナーを支援することができると結論付けた。

関連論文リスト

• I-Design: Personalized LLM Interior Designer [57.00412237555167]
  I-Designはパーソナライズされたインテリアデザイナで、自然言語によるコミュニケーションを通じて設計目標の生成と視覚化を可能にする。 I-Designは、対話や論理的推論に従事する大きな言語モデルエージェントのチームから始まる。 最終的な設計は、既存のオブジェクトデータベースから資産を取り出し、統合することで、3Dで構築されます。
  論文  参考訳（メタデータ） (2024-04-03T16:17:53Z)
• Diffusion Model for Data-Driven Black-Box Optimization [54.25693582870226]
  我々は、強力な生成AI技術である拡散モデルに注目し、ブラックボックス最適化の可能性について検討する。 本研究では,1)実数値報酬関数のノイズ測定と,2)対比較に基づく人間の嗜好の2種類のラベルについて検討する。 提案手法は,設計最適化問題を条件付きサンプリング問題に再構成し,拡散モデルのパワーを有効活用する。
  論文  参考訳（メタデータ） (2024-03-20T00:41:12Z)
• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)
• ECoDe: A Sample-Efficient Method for Co-Design of Robotic Agents [11.449817465618658]
  自律ロボットエージェントを共同設計するには、エージェントのコントローラと物理的設計を同時に最適化する必要がある。 デザインスペースが大きくなると、これは難しくなります。 共設計のサンプル効率を向上させるための多要素探索手法を提案する。
  論文  参考訳（メタデータ） (2023-09-08T02:54:31Z)
• Efficient Quality Diversity Optimization of 3D Buildings through 2D Pre-optimization [101.18253437732933]
  品質多様性アルゴリズムは、エンジニアの直感を伝える様々なソリューションセットを作成するために使用することができる。 しかし、品質の多様性は、非常に高価な問題では効率的ではない。 品質の多様性のあるトレーニングデータを生成することで、より優れた機械学習モデルを作成できることを示します。
  論文  参考訳（メタデータ） (2023-03-28T11:20:59Z)
• Fusion of ML with numerical simulation for optimized propeller design [0.6767885381740952]
  設計プロセスのサロゲートにMLモデルを使用する方法を提案する。 このトレーニングされたサロゲートモデルと従来の最適化手法を用いることで、両方の世界の長所を得られる。 プロペラ設計問題に対する実証的な評価は、SAOを用いたより少ない評価でより効率的な設計を見出すことができることを示している。
  論文  参考訳（メタデータ） (2023-02-28T16:42:07Z)
• Design Space Exploration and Explanation via Conditional Variational Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
  本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。 CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
  論文  参考訳（メタデータ） (2022-11-29T17:28:31Z)
• Generative Design by Reinforcement Learning: Enhancing the Diversity of Topology Optimization Designs [5.8010446129208155]
  本研究では、トポロジ設計の多様性を最大化する報酬関数を備えた強化学習に基づく生成設計プロセスを提案する。 RLをベースとした生成設計は,GPUを完全自動で活用することにより,短時間で多数の多様な設計を生成できることを示す。
  論文  参考訳（メタデータ） (2020-08-17T06:50:47Z)
• Computational Design with Crowds [34.76077954140923]
  計算設計は、計算技術を用いて設計プロセスをサポートし、自動化することを目的としている。 有望なアプローチの1つは、人間の計算、すなわち、人間の入力をプロセスに組み込むことである。 本稿では,パラメータ処理系の領域における群集との計算設計について論じる。
  論文  参考訳（メタデータ） (2020-02-20T10:40:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。