論文の概要: Designing Fatigue-Aware VR Interfaces via Biomechanical Models

• arxiv url: http://arxiv.org/abs/2603.26031v1
• Date: Fri, 27 Mar 2026 03:00:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.335757
• Title: Designing Fatigue-Aware VR Interfaces via Biomechanical Models
• Title（参考訳）: 生体力学モデルによる疲労対応VRインタフェースの設計
• Authors: Harshitha Voleti, Charalambos Poullis,
• Abstract要約: 仮想現実(VR)における長時間の空中インタラクションは、腕の疲労と不快感を引き起こし、ユーザエクスペリエンスに悪影響を及ぼす。 本研究では,バイオメカニカル・ユーザ・モデルを活用した階層型強化学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 3.007949058551534
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Prolonged mid-air interaction in virtual reality (VR) causes arm fatigue and discomfort, negatively affecting user experience. Incorporating ergonomic considerations into VR user interface (UI) design typically requires extensive human-in-the-loop evaluation. Although biomechanical models have been used to simulate human behavior in HCI tasks, their application as surrogate users for ergonomic VR UI design remains underexplored. We propose a hierarchical reinforcement learning framework that leverages biomechanical user models to evaluate and optimize VR interfaces for mid-air interaction. A motion agent is trained to perform button-press tasks in VR under sequential conditions, using realistic movement strategies and estimating muscle-level effort via a validated three-compartment control with recovery (3CC-r) fatigue model. The simulated fatigue output serves as feedback for a UI agent that optimizes UI element layout via reinforcement learning (RL) to minimize fatigue. We compare the RL-optimized layout against a manually-designed centered baseline and a Bayesian optimized baseline. Results show that fatigue trends from the biomechanical model align with human user data. Moreover, the RL-optimized layout using simulated fatigue feedback produced significantly lower perceived fatigue in a follow-up human study. We further demonstrate the framework's extensibility via a simulated case study on longer sequential tasks with non-uniform interaction frequencies. To our knowledge, this is the first work using simulated biomechanical muscle fatigue as a direct optimization signal for VR UI layout design. Our findings highlight the potential of biomechanical user models as effective surrogate tools for ergonomic VR interface design, enabling efficient early-stage iteration with less reliance on extensive human participation.
• Abstract（参考訳）: 仮想現実(VR)における長時間の空中インタラクションは、腕の疲労と不快感を引き起こし、ユーザエクスペリエンスに悪影響を及ぼす。 エルゴノミクスをVRユーザインタフェース(UI)設計に組み込むには、一般に広範囲な人間-イン・ザ・ループ評価が必要である。 HCIタスクにおける人間の振る舞いをシミュレートするために生体力学モデルが使用されているが、エルゴノミクスVR UI設計のためのサロゲートユーザーとしての応用はいまだ未定である。 本研究では,バイオメカニカル・ユーザ・モデルを活用した階層型強化学習フレームワークを提案する。 運動エージェントは、リアルな運動戦略を用いて、連続した条件下でのVRにおけるボタン押しタスクを訓練し、回復(3CC-r)疲労モデルによる検証された3分割制御により筋力レベルを推定する。 シミュレーションされた疲労出力は、UIエージェントのフィードバックとして機能し、UI要素のレイアウトを強化学習(RL)によって最適化し、疲労を最小限にする。 我々は、RL最適化レイアウトを、手動で設計された中心となるベースラインとベイズ最適化ベースラインと比較する。 その結果, 生体力学モデルによる疲労傾向は, ヒトのユーザデータと一致していることがわかった。 さらに, 模擬疲労フィードバックを用いたRL最適化レイアウトは, 追従人体実験において有意に低疲労となった。 さらに、非一様相互作用周波数を持つ長い逐次タスクのシミュレーションケーススタディにより、フレームワークの拡張性を実証する。 我々の知る限り、これはVR UIレイアウト設計の直接的な最適化信号として生体力学的筋肉疲労を用いた最初の研究である。 我々の研究は、人間工学的VRインタフェース設計のための効果的なサロゲートツールとして、バイオメカニカルユーザーモデルの可能性を強調した。

関連論文リスト

• Mind the Sim2Real Gap in User Simulation for Agentic Tasks [101.69142591891234]
  ユーザシミュレーションにおけるSim2Realのギャップを形式化し、実際の人間に対して$$$-benchプロトコルを実行する最初の研究を示す。 LLMシミュレータは過度に協調的であり、スタイリスティックに均一であり、現実的なフラストレーションや曖昧さを欠いている。 これらの知見は, LLMベースのユーザシミュレータをエージェント開発サイクルで使用する際の人間による検証の重要性を強調した。
  論文  参考訳（メタデータ） (2026-03-11T19:12:31Z)
• MOSAIC: Bridging the Sim-to-Real Gap in Generalist Humanoid Motion Tracking and Teleoperation with Rapid Residual Adaptation [50.643488406438514]
  一般のヒューマノイドモーショントラッカーは、データをスケーリングしてトレーニングすることで、強力なシミュレーション指標を達成したが、持続的な遠隔操作の間、ハードウェア上では不安定なままであることが多い。 複数のインタフェースをまたいだヒューマノイドモーショントラッキングと全身遠隔操作のためのオープンソースのフルスタックシステムMOSAICを提案する。
  論文  参考訳（メタデータ） (2026-02-09T12:35:01Z)
• InternVLA-A1: Unifying Understanding, Generation and Action for Robotic Manipulation [77.07565723756119]
  InternVLA-A1は動的予測機能を備えた視覚言語モデルである。 我々は、実世界のロボットデータ、合成シミュレーションデータ、人間のビデオなどを用いて、これらのモデルを異種データソース上で事前訓練する。 InternVLA-A1を実世界の12のロボットタスクとシミュレーションベンチマークで評価した。
  論文  参考訳（メタデータ） (2026-01-05T18:54:29Z)
• ResMimic: From General Motion Tracking to Humanoid Whole-body Loco-Manipulation via Residual Learning [59.64325421657381]
  ヒューマノイド全体のロコ操作は、日々のサービスや倉庫のタスクにトランスフォーメーション機能を約束する。 ResMimicは、人間の動作データから正確に表現力のあるヒューマノイド制御のための2段階の残差学習フレームワークである。 結果は、強いベースラインよりもタスク成功、トレーニング効率、堅牢性が大幅に向上したことを示している。
  論文  参考訳（メタデータ） (2025-10-06T17:47:02Z)
• Predicting User Grasp Intentions in Virtual Reality [0.0]
  対象の種類,サイズ,操作の異なる810の試験において,分類と回帰のアプローチを評価した。 回帰ベースのアプローチはより堅牢なパフォーマンスを示し、タイミングエラーは0.25秒以内、距離エラーは5～20cm程度である。 私たちの結果は、VRインタラクションを強化する機械学習モデルの可能性を強調します。
  論文  参考訳（メタデータ） (2025-08-05T15:17:19Z)
• Tremor Reduction for Accessible Ray Based Interaction in VR Applications [0.0]
  多くの従来の2Dインタフェースのインタラクション方法は、入力機構にほとんど変更を加えることなく、VR空間で直接動作するように変換されている。 本稿では,低域通過フィルタを用いてユーザ入力ノイズの正規化を行い,光線による相互作用におけるモータの細かな要求を緩和する手法を提案する。
  論文  参考訳（メタデータ） (2024-05-12T17:07:16Z)
• Toward Optimized VR/AR Ergonomics: Modeling and Predicting User Neck Muscle Contraction [21.654553113159665]
  頭を動かして仮想環境と対話しながら,VRユーザの頸部筋収縮レベル(MCL)を測定し,モデル化し,予測する。 種々の頭部運動状態下での頚部MCLを予測するための生体物理モデルを構築した。 この研究は、VR/ARおよびインタラクティブグラフィックスアプリケーションのための新しいエルゴノミクス中心のデザインを動機付けることを願っている。
  論文  参考訳（メタデータ） (2023-08-28T18:58:01Z)
• Force-Aware Interface via Electromyography for Natural VR/AR Interaction [69.1332992637271]
  我々はVR/ARにおける自然的および直感的な力入力のための学習ベースのニューラルネットワークを設計する。 我々は,3.3%の平均誤差で指の力量をリアルタイムでデコードし,キャリブレーションの少ない新規ユーザに一般化できることを実証した。 今後のVR/ARにおける、より現実的な物理性に向けた研究を進めるために、我々の研究成果を期待する。
  論文  参考訳（メタデータ） (2022-10-03T20:51:25Z)
• Building Trust in Autonomous Vehicles: Role of Virtual Reality Driving Simulators in HMI Design [8.39368916644651]
  本研究では,生理的信号から収集した連続的客観的情報に基づいて,AVのユーザエクスペリエンスを検証する手法を提案する。 本手法を車両の感覚・計画システムに関する視覚的手がかりを提供するヘッドアップディスプレイインタフェースの設計に適用した。
  論文  参考訳（メタデータ） (2020-07-27T08:42:07Z)

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。