論文の概要: Preview, Accept or Discard? A Predictive Low-Motion Interaction Paradigm

• arxiv url: http://arxiv.org/abs/2511.10532v1
• Date: Fri, 14 Nov 2025 01:56:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-14 22:53:22.913183
• Title: Preview, Accept or Discard? A Predictive Low-Motion Interaction Paradigm
• Title（参考訳）: プレヴュー・アクセプション・ディザード : 予測的低運動相互作用パラダイム
• Authors: Jose Berengueres,
• Abstract要約: この研究は、予測的AI支援入力が、物理的なポインティングを画面上のランク付けされた提案に置き換えることで、その動きを減らすことができるかどうかを調査する。 ユーザエージェンシーを維持するため,ゼロクリックインタラクションパラダイムであるPreview Accept Discard(PAD)を導入する。 PADをブラウザベースの電子メールクライアントとISO 9241-9キーボード予測タスクの2つの設定で評価した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Repetitive strain injury (RSI) affects roughly one in five computer users and remains largely unresolved despite decades of ergonomic mouse redesign. All such devices share a fundamental limitation: they still require fine-motor motion to operate. This work investigates whether predictive, AI-assisted input can reduce that motion by replacing physical pointing with ranked on-screen suggestions. To preserve user agency, we introduce Preview Accept Discard (PAD), a zero-click interaction paradigm that lets users preview predicted GUI targets, cycle through a small set of ranked alternatives, and accept or discard them via key-release timing. We evaluate PAD in two settings: a browser-based email client and a ISO 9241-9 keyboard-prediction task under varying top-3 accuracies. Across both studies, PAD substantially reduces hand motion relative to trackpad use while maintaining comparable task times with the trackpad only when accuracies are similar to those of the best spell-checkers.
• Abstract（参考訳）: Repetitive strain injury (RSI) は5人に1人のコンピュータユーザーに影響を与えるが、数十年にわたるエルゴノミクスマウスの再設計にもかかわらず、ほとんど未解決のままである。 これらのデバイスはすべて基本的な制限を共有しており、動作には微妙な運動が必要である。 この研究は、予測的AI支援入力が、物理的なポインティングを画面上のランク付けされた提案に置き換えることで、その動きを減らすことができるかどうかを調査する。 ユーザエージェンシーを保存するために、ユーザーが予測GUIターゲットをプレビューし、少数のランク付けされた代替品をサイクルし、キーリリースタイミングでそれらを受け入れたり破棄したりできるゼロクリックインタラクションパラダイムであるPreview Accept Discard(PAD)を導入する。 PADをブラウザベースの電子メールクライアントとISO 9241-9キーボード予測タスクの2つの設定で評価した。 どちらの研究においても、PADはトラックパッドと同等の作業時間をトラックパッドで維持しながら、最高のスペルチェッカーと類似している場合にのみ手の動きを大幅に減少させる。

関連論文リスト

• An Active Inference Model of Mouse Point-and-Click Behaviour [6.861919837733669]
  連続状態, 動作, 観察空間を有するAIFエージェントを1次元マウスで指差し, クリックする。 我々は,マウスカーソルの力学を現実的な遅延でモデル化するために,シンプルな動的システムを用いる。 以上の結果から,カーソルが目標を上回っている場合,エージェントが適度なポインティング動作とクリックを生成できることがわかった。
  論文  参考訳（メタデータ） (2025-10-16T12:19:38Z)
• Screencast-Based Analysis of User-Perceived GUI Responsiveness [53.53923672866705]
  Toolsはモバイルのスクリーンキャストから直接GUIの応答性を測定するテクニックである。 コンピュータービジョンを使ってユーザーインタラクションを検出し、フレームレベルの視覚変化を分析し、2つの重要なメトリクスを計算する。 ツールはインダストリアルテストパイプラインにデプロイされ、毎日数千のスクリーンキャストを分析している。
  論文  参考訳（メタデータ） (2025-08-02T12:13:50Z)
• DEFT: A new distance-based feature set for keystroke dynamics [1.8796659304823702]
  キーストローク力学では従来考えられていなかった概念であるキーボード上のキー間の距離に基づく新しい特徴セットを提案する。 我々は、DEFT機能と以前に使用したキーストロークダイナミック機能を組み合わせることで、DEFTモデルを構築する。 DEFTモデルはデバイスに依存しないように設計されており、3つの一般的なデバイスで有効性を評価することができる。
  論文  参考訳（メタデータ） (2023-10-06T07:26:40Z)
• In Time and Space: Towards Usable Adaptive Control for Assistive Robotic Arms [5.988522447941765]
  ロボットアームは、ユーザーがタスクを実行するためにいくつかの自由度(DoF)を制御する必要がある。 Modern Adaptive DoF Mapping Controls (ADMC) は、必要なモードスイッチ数を削減できたが、これまでは認識された作業負荷を大幅に削減できなかった。 我々は、ADMCのリコメンデーションを更新してフィードフォワードのマルチモーダルフィードバックを提供することによって、この問題に対処する。
  論文  参考訳（メタデータ） (2023-07-06T11:51:43Z)
• Tactile-Filter: Interactive Tactile Perception for Part Mating [54.46221808805662]
  人間は触覚と触覚に頼っている。 視覚ベースの触覚センサーは、様々なロボット認識や制御タスクに広く利用されている。 本稿では,視覚に基づく触覚センサを用いた対話的知覚手法を提案する。
  論文  参考訳（メタデータ） (2023-03-10T16:27:37Z)
• First Contact: Unsupervised Human-Machine Co-Adaptation via Mutual Information Maximization [112.40598205054994]
  我々はこのアイデアを、インターフェースを最適化するための完全に教師なしの目的として定式化する。 タイピング,シミュレートされたロボットの制御,ゲームプレイなど,様々なキーボードとアイアイのインタフェースを運用しているユーザの540K例について,観察的研究を行った。 以上の結果から,我々の相互情報スコアは,様々な領域における真真正タスク完了メトリクスの予測値であることが示唆された。
  論文  参考訳（メタデータ） (2022-05-24T21:57:18Z)
• X2T: Training an X-to-Text Typing Interface with Online Learning from User Feedback [83.95599156217945]
  ユーザがキーボードを操作できないが、他の入力を供給できる、補助型タイピングアプリケーションに焦点を当てる。 標準メソッドは、ユーザ入力の固定データセット上でモデルをトレーニングし、そのミスから学ばない静的インターフェースをデプロイする。 このようなインターフェースが時間の経過とともに改善されるようなシンプルなアイデアを,ユーザによる最小限の努力で検討する。
  論文  参考訳（メタデータ） (2022-03-04T00:07:20Z)

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。