論文の概要: TruVR: Trustworthy Cybersickness Detection using Explainable Machine
Learning
- arxiv url: http://arxiv.org/abs/2209.05257v1
- Date: Mon, 12 Sep 2022 13:55:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-13 14:13:35.488576
- Title: TruVR: Trustworthy Cybersickness Detection using Explainable Machine
Learning
- Title（参考訳）: TruVR: 説明可能な機械学習による信頼できるサイバーシック検出
- Authors: Ripan Kumar Kundu, Rifatul Islam, Prasad Calyam, Khaza Anuarul Hoque
- Abstract要約: サイバーシックネスは、バーチャルリアリティ(VR)システムを使用する際に、吐き気、めまい、頭痛、目の緊張、その他の不快感によって特徴づけられる。
以前報告された機械学習(ML)とディープラーニング(DL)アルゴリズムは、ブラックボックスモデルを使用してVRサイバーシックの検出(分類)と予測(回帰)を行う。
サイバーシックを検知し,予測するための3つの説明可能な機械学習モデルを提案する。
- 参考スコア（独自算出の注目度）: 1.9642496463491053
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cybersickness can be characterized by nausea, vertigo, headache, eye strain,
and other discomforts when using virtual reality (VR) systems. The previously
reported machine learning (ML) and deep learning (DL) algorithms for detecting
(classification) and predicting (regression) VR cybersickness use black-box
models; thus, they lack explainability. Moreover, VR sensors generate a massive
amount of data, resulting in complex and large models. Therefore, having
inherent explainability in cybersickness detection models can significantly
improve the model's trustworthiness and provide insight into why and how the
ML/DL model arrived at a specific decision. To address this issue, we present
three explainable machine learning (xML) models to detect and predict
cybersickness: 1) explainable boosting machine (EBM), 2) decision tree (DT),
and 3) logistic regression (LR). We evaluate xML-based models with publicly
available physiological and gameplay datasets for cybersickness. The results
show that the EBM can detect cybersickness with an accuracy of 99.75% and
94.10% for the physiological and gameplay datasets, respectively. On the other
hand, while predicting the cybersickness, EBM resulted in a Root Mean Square
Error (RMSE) of 0.071 for the physiological dataset and 0.27 for the gameplay
dataset. Furthermore, the EBM-based global explanation reveals exposure length,
rotation, and acceleration as key features causing cybersickness in the
gameplay dataset. In contrast, galvanic skin responses and heart rate are most
significant in the physiological dataset. Our results also suggest that
EBM-based local explanation can identify cybersickness-causing factors for
individual samples. We believe the proposed xML-based cybersickness detection
method can help future researchers understand, analyze, and design simpler
cybersickness detection and reduction models.
- Abstract（参考訳）: サイバーシックネスは、仮想現実(vr)システムを使用する際に、吐き気、めまい、頭痛、眼の緊張、その他の不快感を特徴付けることができる。
これまで報告された機械学習(ML)とディープラーニング(DL)アルゴリズムは、ブラックボックスモデルを使用してVRサイバーシックの検出(分類)と予測(回帰)を行う。
さらに、vrセンサーは膨大なデータを生成し、複雑で大規模モデルを生成する。
したがって、サイバーシック検出モデルに固有の説明責任を持つことは、モデルの信頼性を大幅に向上させ、ML/DLモデルが特定の決定に達した理由と方法に関する洞察を与えることができる。
この問題に対処するために,サイバーシックネスの検出と予測を行う3つの説明可能な機械学習(xml)モデルを提案する。
1)説明可能な推進機(EBM)
2)決定木(dt)、及び
3)ロジスティック回帰(LR)。
我々は,サイバーシックネスのための生理学およびゲームプレイデータセットが公開されているxMLモデルを評価する。
その結果,ebmは生理的およびゲームプレイのデータセットに対して,99.75%,94.10%の精度でサイバーシックネスを検出できることがわかった。
一方、EBMはサイバーシック性を予測する一方で、生理的データセットは0.071、ゲームプレイデータセットは0.27のルート平均角誤差(RMSE)が得られた。
さらに、ebmベースのグローバル説明は、ゲームプレイデータセットにおけるサイバーシックネスを引き起こす重要な特徴として、露出長、回転、加速を明らかにする。
対照的に、ガルバニック皮膚反応と心拍数は生理学的データセットにおいて最も重要である。
また,ESMによる局所的な説明は,個々のサンプルに対するサイバーシックな要因を特定できる可能性が示唆された。
提案するxmlベースのサイバーシックネス検出手法は,より単純なサイバーシックネス検出・低減モデルを理解し,解析し,設計する上で有効である。
関連論文リスト
- Mazed and Confused: A Dataset of Cybersickness, Working Memory, Mental Load, Physical Load, and Attention During a Real Walking Task in VR [11.021668923244803]
認知活動、身体活動、およびサイバーシックネスの親しみやすい感情との関係はよく理解されていない。
頭部の向き,頭部の位置,視線追跡,画像,外部センサーからの生理的読影,自己報告されたサイバーシック度,身体負荷,心的負荷をVRで収集した。
論文 参考訳（メタデータ） (2024-09-10T22:41:14Z) - Cybersickness Detection through Head Movement Patterns: A Promising
Approach [1.1562071835482226]
本研究では,サイバーシック検出のための新しい生理指標としての頭部運動パターンについて検討する。
頭部の動きは、あらゆる商用VRヘッドセットに埋め込まれたセンサーを通して簡単に捉えられる、連続的で非侵襲的な測定手段を提供する。
論文 参考訳（メタデータ） (2024-02-05T04:49:59Z) - Assessing Neural Network Representations During Training Using
Noise-Resilient Diffusion Spectral Entropy [55.014926694758195]
ニューラルネットワークにおけるエントロピーと相互情報は、学習プロセスに関する豊富な情報を提供する。
データ幾何を利用して基礎となる多様体にアクセスし、これらの情報理論測度を確実に計算する。
本研究は,高次元シミュレーションデータにおける固有次元と関係強度の耐雑音性の測定結果である。
論文 参考訳（メタデータ） (2023-12-04T01:32:42Z) - The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease
detection [51.697248252191265]
この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。
我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。
このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
論文 参考訳（メタデータ） (2023-09-13T10:40:41Z) - LiteVR: Interpretable and Lightweight Cybersickness Detection using
Explainable AI [1.1470070927586016]
サイバーシックネス(Cybersickness)は、仮想現実(VR)ユーザーエクスペリエンスに関連する一般的な障害である。
我々はサイバーシック検出のための説明可能な人工知能(XAI)ベースのフレームワーク LiteVR を提案する。
論文 参考訳（メタデータ） (2023-02-05T21:51:12Z) - VR-LENS: Super Learning-based Cybersickness Detection and Explainable
AI-Guided Deployment in Virtual Reality [1.9642496463491053]
本研究は、サイバーシック検出MLモデルを開発するための、説明可能な人工知能(XAI)ベースのフレームワークであるVR-LENSを提案する。
我々はまず,サイバーシック検出のための新しいスーパーラーニングベースのアンサンブルMLモデルを開発した。
本手法は, 眼球運動, プレイヤー位置, ガルバニックスキン/ハートレート応答を, 統合センサ, ゲームプレイ, 生体生理学的データセットの最も重要な特徴として同定した。
論文 参考訳（メタデータ） (2023-02-03T20:15:51Z) - Graph Neural Networks with Trainable Adjacency Matrices for Fault
Diagnosis on Multivariate Sensor Data [69.25738064847175]
各センサの信号の挙動を別々に検討し,相互の相関関係と隠れ関係を考慮する必要がある。
グラフノードは、異なるセンサーからのデータとして表現することができ、エッジは、これらのデータの影響を互いに表示することができる。
グラフニューラルネットワークのトレーニング中にグラフを構築する方法が提案されている。これにより、センサー間の依存関係が事前に分かっていないデータ上でモデルをトレーニングすることができる。
論文 参考訳（メタデータ） (2022-10-20T11:03:21Z) - Self-Supervised Masked Convolutional Transformer Block for Anomaly
Detection [122.4894940892536]
本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。
本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
論文 参考訳（メタデータ） (2022-09-25T04:56:10Z) - Differentiable Agent-based Epidemiology [71.81552021144589]
GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。
GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
論文 参考訳（メタデータ） (2022-07-20T07:32:02Z) - Neurosymbolic hybrid approach to driver collision warning [64.02492460600905]
自律運転システムには2つの主要なアルゴリズムアプローチがある。
ディープラーニングだけでは、多くの分野で最先端の結果が得られています。
しかし、ディープラーニングモデルが機能しない場合、デバッグが非常に難しい場合もあります。
論文 参考訳（メタデータ） (2022-03-28T20:29:50Z) - Synthesizing Skeletal Motion and Physiological Signals as a Function of
a Virtual Human's Actions and Emotions [10.59409233835301]
本研究では, 同期運動, 心電図, 血圧, 呼吸, 皮膚伝導信号の計算モデルからなるシステムを開発した。
提案されたフレームワークはモジュール化されており、柔軟性によってさまざまなモデルを試すことができる。
ラウンド・ザ・タイム・モニタリングのためのML研究を低コストで行うことに加えて、提案されたフレームワークはコードとデータの再利用を可能にする。
論文 参考訳（メタデータ） (2021-02-08T21:56:15Z)
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。