論文の概要: Spiders Based on Anxiety: How Reinforcement Learning Can Deliver Desired User Experience in Virtual Reality Personalized Arachnophobia Treatment

• arxiv url: http://arxiv.org/abs/2409.17406v1
• Date: Wed, 25 Sep 2024 22:30:39 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-29 00:01:07.906596
• Title: Spiders Based on Anxiety: How Reinforcement Learning Can Deliver Desired User Experience in Virtual Reality Personalized Arachnophobia Treatment
• Title（参考訳）: 不安に基づくスパイダー:バーチャルリアリティーのパーソナライズされたアラキノフォビア治療における強化学習がユーザエクスペリエンスをいかにもたらすか
• Authors: Athar Mahmoudi-Nejad, Matthew Guzdial, Pierre Boulanger,
• Abstract要約: プロシージャコンテンツ生成(PCG)と強化学習(RL)を利用したバーチャルリアリティ露光療法(VRET)の枠組みを提案する。 この治療では、仮想クモを観察する患者が脱感作し恐怖症を減少させる。 より一般的なルールベースのVRET法と比較して,本システムの優れた性能を示す。
• 参考スコア（独自算出の注目度）: 2.896648070760215
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The need to generate a spider to provoke a desired anxiety response arises in the context of personalized virtual reality exposure therapy (VRET), a treatment approach for arachnophobia. This treatment involves patients observing virtual spiders in order to become desensitized and decrease their phobia, which requires that the spiders elicit specific anxiety responses. However, VRET approaches tend to require therapists to hand-select the appropriate spider for each patient, which is a time-consuming process and takes significant technical knowledge and patient insight. While automated methods exist, they tend to employ rules-based approaches with minimal ability to adapt to specific users. To address these challenges, we present a framework for VRET utilizing procedural content generation (PCG) and reinforcement learning (RL), which automatically adapts a spider to elicit a desired anxiety response. We demonstrate the superior performance of this system compared to a more common rules-based VRET method.
• Abstract（参考訳）: 望まれる不安反応を引き起こすクモを生成する必要性は、パーソナライズされた仮想現実露光療法(VRET、arachnophobia)の文脈で生じる。 この治療では、仮想クモを観察する患者が脱感作し恐怖症を減少させるため、クモは特定の不安反応を誘発する必要がある。 しかし、VRETアプローチでは、セラピストが患者ごとに適切なクモを手作業で選択する必要がある傾向があり、これは時間を要するプロセスであり、重要な技術知識と患者の洞察を必要とする。 自動化メソッドは存在するが、特定のユーザに適応する最小限の能力を持つルールベースのアプローチを採用する傾向がある。 これらの課題に対処するため,手続き的コンテンツ生成(PCG)と強化学習(RL)を利用したVRETのためのフレームワークを提案する。 より一般的なルールベースのVRET法と比較して,本システムの優れた性能を示す。

関連論文リスト

• Roleplay-doh: Enabling Domain-Experts to Create LLM-simulated Patients via Eliciting and Adhering to Principles [58.82161879559716]
  ドメインエキスパートから定性的なフィードバックを引き出す新しい人間-LLMコラボレーションパイプラインであるRoleplay-dohを開発した。 このパイプラインを適用して、シニアメンタルヘルスサポーターが、シミュレートされた実践パートナのためにカスタマイズされたAI患者を作成できるようにします。
  論文  参考訳（メタデータ） (2024-07-01T00:43:02Z)
• Spider: A Unified Framework for Context-dependent Concept Segmentation [64.02893431189659]
  パラメータセット1セットの統一モデルであるSpiderを提案する。 ベルとホイッスルがなければ、スパイダーは8つの異なる文脈依存セグメンテーションタスクにおいて最先端の特殊モデルよりも大幅に優れる。
  論文  参考訳（メタデータ） (2024-05-02T04:58:29Z)
• AI-Enhanced Cognitive Behavioral Therapy: Deep Learning and Large Language Models for Extracting Cognitive Pathways from Social Media Texts [27.240795549935463]
  ソーシャルメディアからデータを収集し,認知経路抽出の課題を確立した。 我々は、精神療法士が重要な情報を素早く把握できるよう、テキスト要約タスクを構築した。 本研究では,ディープラーニングモデルと大規模言語モデルの性能評価を行った。
  論文  参考訳（メタデータ） (2024-04-17T14:55:27Z)
• HealMe: Harnessing Cognitive Reframing in Large Language Models for Psychotherapy [25.908522131646258]
  メンタルエンハンスメント(HealMe)モデルにおける適応言語によるヘルピングとエンパワーメントについて紹介する。 この新しい認知的リフレーミング療法は、根深い否定的思考に効果的に対処し、合理的でバランスの取れた視点を育む。 我々は、認知リフレーミングのパフォーマンスを厳格に評価するために特別に設計された、包括的で専門的な心理学的評価指標を採用した。
  論文  参考訳（メタデータ） (2024-02-26T09:10:34Z)
• Incremental procedural and sensorimotor learning in cognitive humanoid robots [52.77024349608834]
  本研究は,手順を段階的に学習する認知エージェントを提案する。 各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。 結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
  論文  参考訳（メタデータ） (2023-04-30T22:51:31Z)
• Arachnophobia Exposure Therapy using Experience-driven Procedural Content Generation via Reinforcement Learning (EDPCGRL) [2.8933605229876664]
  本稿では, 生理的指標に基づいて治療内容を自動的に適応するアプローチを提案する。 我々のEDPCGRL法は、既存の検索ベースのEDPCG手法と比較して、これらの仮想人間に高い精度でより迅速に適応することができる。
  論文  参考訳（メタデータ） (2021-10-07T06:36:35Z)
• Backprop-Free Reinforcement Learning with Active Neural Generative Coding [84.11376568625353]
  動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。 我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。 我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-10T19:02:27Z)
• Towards Efficient Processing and Learning with Spikes: New Approaches for Multi-Spike Learning [59.249322621035056]
  各種タスクにおける他のベースラインよりも優れた性能を示すための2つの新しいマルチスパイク学習ルールを提案する。 特徴検出タスクでは、教師なしSTDPの能力と、その制限を提示する能力を再検討する。 提案した学習ルールは,特定の制約を適用せずに,幅広い条件で確実にタスクを解くことができる。
  論文  参考訳（メタデータ） (2020-05-02T06:41:20Z)
• Modelling response to trypophobia trigger using intermediate layers of ImageNet networks [0.0]
  VGGやResNetのような標準アーキテクチャはトライポフォビアパターンを認識することができることを示す。 我々はまた、この現象の性質を分析する実験も行います。
  論文  参考訳（メタデータ） (2020-02-19T22:58:58Z)
• Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
  マシンはユーザの感情状態を高い精度で認識できることが不可欠である。 ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。 表情認識に基づく連続的感情認識のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-31T17:47:16Z)

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。