論文の概要: What's on your mind? A Mental and Perceptual Load Estimation Framework
towards Adaptive In-vehicle Interaction while Driving
- arxiv url: http://arxiv.org/abs/2208.05564v1
- Date: Wed, 10 Aug 2022 21:19:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-12 13:29:17.974621
- Title: What's on your mind? A Mental and Perceptual Load Estimation Framework
towards Adaptive In-vehicle Interaction while Driving
- Title（参考訳）: あなたはどう思いますか。
運転中の適応車内相互作用に対するメンタルおよび知覚的負荷推定フレームワーク
- Authors: Amr Gomaa, Alexandra Alles, Elena Meiser, Lydia Helene Rupp, Marco
Molz and Guillermo Reyes
- Abstract要約: 精神的な作業量と知覚的負荷が心理生理学的次元に及ぼす影響を分析する。
これらの測定値の融合により、心的および知覚的負荷レベルを分類する。
我々は、最大89%のメンタルワークロード分類精度を報告し、リアルタイムに最小限のソリューションを提供する。
- 参考スコア（独自算出の注目度）: 55.41644538483948
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Several researchers have focused on studying driver cognitive behavior and
mental load for in-vehicle interaction while driving. Adaptive interfaces that
vary with mental and perceptual load levels could help in reducing accidents
and enhancing the driver experience. In this paper, we analyze the effects of
mental workload and perceptual load on psychophysiological dimensions and
provide a machine learning-based framework for mental and perceptual load
estimation in a dual task scenario for in-vehicle interaction
(https://github.com/amrgomaaelhady/MWL-PL-estimator). We use off-the-shelf
non-intrusive sensors that can be easily integrated into the vehicle's system.
Our statistical analysis shows that while mental workload influences some
psychophysiological dimensions, perceptual load shows little effect.
Furthermore, we classify the mental and perceptual load levels through the
fusion of these measurements, moving towards a real-time adaptive in-vehicle
interface that is personalized to user behavior and driving conditions. We
report up to 89% mental workload classification accuracy and provide a
real-time minimally-intrusive solution.
- Abstract（参考訳）: 何人かの研究者は、運転中の車内相互作用に対する運転者の認知行動と精神負荷の研究に注力している。
精神的および知覚的負荷レベルによって異なる適応インターフェースは、事故の低減とドライバーエクスペリエンスの向上に役立つ。
本稿では,精神労働負荷と知覚負荷が心理生理学的次元に与える影響を分析し,車内相互作用の2つのタスクシナリオ(https://github.com/amrgomaaelhady/MWL-PL-estimator)において,メンタルおよび知覚負荷推定のための機械学習ベースのフレームワークを提供する。
車両のシステムに簡単に組み込める非侵入型センサーをオフザシェルフで使用しています。
統計的分析の結果,精神的な作業負荷は心理生理的次元に影響を及ぼすが,知覚的負荷は効果をほとんど示さないことが示された。
さらに、これらの測定の融合により、心的および知覚的負荷レベルを分類し、ユーザの行動や運転条件に合わせたリアルタイム適応車内インタフェースへと移行する。
我々は、最大89%のメンタルワークロード分類精度を報告し、リアルタイムに最小限のソリューションを提供する。
関連論文リスト
- Recurrent Transformer Encoders for Vision-based Estimation of Fatigue
and Engagement in Cognitive Training Sessions [10.417497674982737]
軽度認知障害(MCI)を有する高齢者のコンピュータ認知トレーニングセッションにおけるエンゲージメントを予測することを提案する。
我々はコンピュータビジョンを使用し、5秒毎にビデオフレームを分析し、情報保持とデータサイズのバランスを最適化し、新しいリカレントビデオ変換器(RVT)を開発した。
我々のRVTモデルは、クリップワイドトランスフォーマーエンコーダモジュールとセッションワイドリカレントニューラルネットワーク(RNN)分類器を組み合わせて、他の最先端モデルと比較して高いバランス精度、F1スコア、精度を達成した。
論文 参考訳（メタデータ） (2023-04-24T21:58:14Z) - Estimating Driver Personality Traits from On-Road Driving Data [1.4330510916280879]
本稿では,運転支援システムにおける運転データを用いた運転者の心理的特徴の推定に焦点をあてる。
本研究では,認知機能,心理的運転スタイル,作業負荷感などのドライバの心理的特徴を推定するモデルを構築した。
論文 参考訳（メタデータ） (2023-02-09T20:46:46Z) - In-Vehicle Interface Adaptation to Environment-Induced Cognitive
Workload [55.41644538483948]
車両内ヒューマンマシンインタフェース(HMI)は長年にわたって進化し、ますます多くの機能を提供している。
この問題に対処するために,ドライバの精神的負荷に応じて変化する適応的HMIを提案する。
論文 参考訳（メタデータ） (2022-10-20T13:42:25Z) - An active approach towards monitoring and enhancing drivers'
capabilities -- the ADAM cogtec solution [1.0312968200748118]
特定の瞬間における運転者の認知能力は、運転者の安全性を評価する上で最も明白な変数である。
視覚刺激に対するドライバーの眼反応が記録された閉ループ法を開発した。
機械学習アルゴリズムは、警戒状態の眼反応に基づいて訓練され、疲労や物質乱用による能力低下を検出することができた。
論文 参考訳（メタデータ） (2022-04-05T07:46:07Z) - The world seems different in a social context: a neural network analysis
of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。
トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文 参考訳（メタデータ） (2022-03-03T17:19:12Z) - Improving Robustness of Learning-based Autonomous Steering Using
Adversarial Images [58.287120077778205]
自動運転用画像入力における学習アルゴリズムw.r.tの堅牢性を解析するためのフレームワークについて紹介する。
感度分析の結果を用いて, 「操縦への学習」 タスクの総合的性能を向上させるアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-02-26T02:08:07Z) - AGENT: A Benchmark for Core Psychological Reasoning [60.35621718321559]
直観心理学は、観察可能な行動を駆動する隠された精神変数を推論する能力です。
他のエージェントを推論する機械エージェントに対する近年の関心にもかかわらず、そのようなエージェントが人間の推論を駆動するコア心理学の原則を学ぶか保持するかは明らかではない。
本稿では,プロシージャが生成する3dアニメーション,エージェントを4つのシナリオで構成したベンチマークを提案する。
論文 参考訳（メタデータ） (2021-02-24T14:58:23Z) - Learning Compliance Adaptation in Contact-Rich Manipulation [81.40695846555955]
本稿では,コンタクトリッチタスクに必要な力プロファイルの予測モデルを学習するための新しいアプローチを提案する。
このアプローチは、双方向Gated Recurrent Units (Bi-GRU) に基づく異常検出と適応力/インピーダンス制御を組み合わせたものである。
論文 参考訳（メタデータ） (2020-05-01T05:23:34Z)
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。