論文の概要: SensPS: Sensing Personal Space Comfortable Distance between Human-Human Using Multimodal Sensors
- arxiv url: http://arxiv.org/abs/2502.07441v1
- Date: Tue, 11 Feb 2025 10:31:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-12 14:06:42.688663
- Title: SensPS: Sensing Personal Space Comfortable Distance between Human-Human Using Multimodal Sensors
- Title（参考訳）: SensPS:マルチモーダルセンサを用いた人間間空間快適距離のセンシング
- Authors: Ko Watanabe, Nico Förster, Shoya Ishimaru,
- Abstract要約: 人とコンピュータの相互作用を高めるためには、個人の空間を推定し、尊重することが不可欠である。
個人の空間の好みは、個々の特徴、文化的背景、文脈的要因によって異なる。
アイトラッキングやリストバンドセンサーを含むマルチモーダルセンサーは、適応システムを開発する機会を提供する。
- 参考スコア（独自算出の注目度）: 1.2617078020344619
- License:
- Abstract: Personal space, also known as peripersonal space, is crucial in human social interaction, influencing comfort, communication, and social stress. Estimating and respecting personal space is essential for enhancing human-computer interaction (HCI) and smart environments. Personal space preferences vary due to individual traits, cultural background, and contextual factors. Advanced multimodal sensing technologies, including eye-tracking and wristband sensors, offer opportunities to develop adaptive systems that dynamically adjust to user comfort levels. Integrating physiological and behavioral data enables a deeper understanding of spatial interactions. This study develops a sensor-based model to estimate comfortable personal space and identifies key features influencing spatial preferences. Our findings show that multimodal sensors, particularly eye-tracking and physiological wristband data, can effectively predict personal space preferences, with eye-tracking data playing a more significant role. An experimental study involving controlled human interactions demonstrates that a Transformer-based model achieves the highest predictive accuracy (F1 score: 0.87) for estimating personal space. Eye-tracking features, such as gaze point and pupil diameter, emerge as the most significant predictors, while physiological signals from wristband sensors contribute marginally. These results highlight the potential for AI-driven personalization of social space in adaptive environments, suggesting that multimodal sensing can be leveraged to develop intelligent systems that optimize spatial arrangements in workplaces, educational institutions, and public settings. Future work should explore larger datasets, real-world applications, and additional physiological markers to enhance model robustness.
- Abstract（参考訳）: パーソナルスペース(peripersonal space, peripersonal space)は、人間の社会的相互作用において重要であり、快適さ、コミュニケーション、社会的ストレスに影響を与える。
人-コンピュータインタラクション(HCI)とスマート環境の強化には,個人空間の推定と尊重が不可欠である。
個人の空間の好みは、個々の特徴、文化的背景、文脈的要因によって異なる。
アイトラッキングやリストバンドセンサーなどの高度なマルチモーダルセンシング技術は、ユーザの快適度を動的に調整する適応システムを開発する機会を提供する。
生理的および行動的データを統合することで、空間的相互作用をより深く理解することができる。
本研究では、快適な個人空間を推定するセンサベースモデルを開発し、空間的嗜好に影響を与える重要な特徴を同定する。
以上の結果から,特に視線追跡および生理的リストバンドデータなどのマルチモーダルセンサは,視線追跡データよりも重要な役割を担いながら,個人空間の嗜好を効果的に予測できることが示唆された。
制御された人的相互作用に関する実験的研究により、トランスフォーマーに基づくモデルが最も高い予測精度(F1スコア:0.87)を達成し、個人空間を推定できることが示されている。
視線点や瞳孔径などの視線追跡機能は最も重要な予測因子として現れ、リストバンドセンサーからの生理的信号はわずかに寄与する。
これらの結果は、適応環境における社会空間のAIによるパーソナライズの可能性を強調し、マルチモーダルセンシングを利用して、職場、教育機関、公共環境における空間配置を最適化するインテリジェントシステムを開発することを示唆している。
今後は、より大きなデータセット、現実世界の応用、およびモデル堅牢性を高めるための追加の生理的マーカーを検討する必要がある。
関連論文リスト
- Multimodal Fusion with LLMs for Engagement Prediction in Natural Conversation [70.52558242336988]
我々は,不関心や混乱の兆候を検出することを目的として,言語的および非言語的手がかりを精査することにより,ダイアディック的相互作用における係り合いを予測することに焦点を当てた。
本研究では,カジュアルなダイアディック会話に携わる34人の参加者を対象に,各会話の最後に自己報告されたエンゲージメント評価を行うデータセットを収集する。
大規模言語モデル(LLMs)を用いた新たな融合戦略を導入し,複数行動モダリティをマルチモーダル・トランスクリプトに統合する。
論文 参考訳（メタデータ） (2024-09-13T18:28:12Z) - Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。
我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
論文 参考訳（メタデータ） (2024-05-15T20:41:46Z) - Neural Plasticity-Inspired Multimodal Foundation Model for Earth Observation [48.66623377464203]
我々の新しいアプローチは、脳科学における神経可塑性の概念を活用する、ダイナミックワンフォーオール(DOFA)モデルを導入している。
このダイナミックなハイパーネットワークは、異なる波長に調整され、5つのセンサーのデータに基づいて1つの多目的トランスフォーマーを共同で訓練し、12の異なる地球観測タスクを遂行することを可能にする。
論文 参考訳（メタデータ） (2024-03-22T17:11:47Z) - Perception for Humanoid Robots [10.560498559084449]
本稿では,ヒューマノイドロボットの認識分野における最近の発展と動向について概説する。
アプリケーションの主な領域は、内部状態推定、外部環境推定、人間ロボットのインタラクションである。
論文 参考訳（メタデータ） (2023-09-27T12:32:11Z) - ERUDITE: Human-in-the-Loop IoT for an Adaptive Personalized Learning
System [14.413929652259469]
本稿では,学習環境のためのヒューマン・イン・ザ・ループ型IoTシステムであるERUDITEを提案する。
脳信号を用いて人間の学習状態を推定することにより、ERUDITEは学習環境への適応をパーソナライズする。
論文 参考訳（メタデータ） (2023-03-07T23:54:35Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - Data-driven emotional body language generation for social robotics [58.88028813371423]
社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。
我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。
評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
論文 参考訳（メタデータ） (2022-05-02T09:21:39Z) - 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) - Warmth and Competence to Predict Human Preference of Robot Behavior in
Physical Human-Robot Interaction [0.8594140167290099]
社会的認知は、ウォームスとコンピテンスの次元が、他の人間を特徴づける中心的かつ普遍的な次元であると仮定する。
The Robotic Social Attribute Scale (RoSAS)は、HRIに適した寸法の項目を提案し、視覚的観察研究で検証した。
我々は、すべてのRoSASおよびGodspeed次元の中で、ウォームスとコンピテンスが、異なるロボット行動間の人間の嗜好の最も重要な予測因子であることを発見した。
論文 参考訳（メタデータ） (2020-08-13T10:19:47Z) - On-Device Transfer Learning for Personalising Psychological Stress
Modelling using a Convolutional Neural Network [4.40450723619303]
ストレスは、現代社会において、かつてないほど広い人口に悪影響を及ぼす懸念が高まっている。
ストレスの正確な推測は、個人化された介入の可能性をもたらす可能性がある。
ストレス実験を完了した20人の参加者のデータを用いて訓練した初期ベースモデルからトランスファー学習を活用することで、個人化されたクロスドメイン1D CNNの開発を提案する。
論文 参考訳（メタデータ） (2020-04-03T14:48:36Z) - SensAI+Expanse Emotional Valence Prediction Studies with Cognition and
Memory Integration [0.0]
この研究は、認知科学研究を支援することができる人工知能エージェントに貢献する。
開発された人工知能システム(SensAI+Expanse)には、機械学習アルゴリズム、共感アルゴリズム、メモリが含まれる。
本研究は, 年齢と性別の相違が有意であることを示すものである。
論文 参考訳（メタデータ） (2020-01-03T18:17:57Z)
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。