論文の概要: Designing Task-Induced Arousal: A Multimodal Stress Induction Method for Interactive Experiments

• arxiv url: http://arxiv.org/abs/2609.26156v1
• Date: Sat, 08 Aug 2026 20:53:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.891508
• Title: Designing Task-Induced Arousal: A Multimodal Stress Induction Method for Interactive Experiments
• Title（参考訳）: タスク誘発覚醒設計:インタラクティブな実験のためのマルチモーダル応力誘導法
• Abstract要約: 我々は,対話型実験において,制御されたタスク関連覚醒を誘発する,コンパクトで繰り返し可能な方法を開発した。 ブラウザベースのペーシングタスク、タイミング要求と緊急キューのエスカレート、および物理的ホットワイヤスタイルの同時チャレンジを組み合わせる。 その結果、組み合わせた手順が制御された比較的高頻度のタスク関連覚醒を引き起こすという最初の証拠が得られた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: HCI and HRI studies often require short, repeatable arousal manipulations that can run while participants continue interacting with a device or robot. These experiments are often challenged by the need to induce arousal in settings that still resemble real interaction. Participants must continue using a device, touching a robot, or producing sensor data while the manipulation unfolds. We aimed to develop a compact and repeatable way to induce controlled task-related arousal during interactive experiments by combining a lightweight browser-based pacing task, escalating timing demands and urgency cues, and a concurrent physical hotwire-style challenge. In an A-B-A within-participant study, the induction condition significantly increased mental demand, temporal demand, effort, frustration, and SAM arousal (all p < .001), while perceived performance decreased (p < .001). GSR peak rate increased relative to both calm conditions (p = .030) and escalated over time (p < .001). Grip variability also increased (p = .036), as did release speed (both p < .001), while valence remained above the scale midpoint. These results provide initial evidence that the combined procedure induces controlled, relatively high-valence task-related arousal and may serve as a reusable experimental tool for future human-computer and human-robot interaction studies.
• Abstract（参考訳）: HCIとHRIの研究は、しばしば、デバイスやロボットとの相互作用を継続しながら実行可能な、短時間で反復可能な覚醒操作を必要とする。 これらの実験は、実際の相互作用に類似した設定で刺激を与える必要があるため、しばしば挑戦される。 操作が展開している間、参加者はデバイスを使い続けるか、ロボットに触れるか、センサーデータを生成する必要がある。 我々は、軽量なブラウザベースのペーシングタスク、タイミング要求と緊急キューのエスカレート、および物理的ホットワイヤスタイルの同時チャレンジを組み合わせることで、インタラクティブな実験中に制御されたタスク関連覚醒を誘発するコンパクトで反復的な方法を開発することを目的とした。 A-B-A内参加研究において、誘導条件は心的要求、時間的要求、努力、フラストレーション、SAM覚醒(全てp < .001)を有意に増加させ、性能は低下した(p < .001)。 GSRピーク率は両条件 (p = .030) に対して増加し、時間とともにエスカレート (p < .001) した。 グリップの変動性も(p = .036)増加し、放出速度(p < .001)も上昇した。 これらの結果は、この組み合わせが制御された比較的高頻度のタスク関連覚醒を誘導し、将来の人-コンピュータとロボットの相互作用研究のための再利用可能な実験ツールとして機能する、という最初の証拠を提供する。

関連論文リスト

• Learning Varying Physical Therapist-Patient Interactions for Robot-mediated Upper Limb Task-Specific Training [3.433344218375448]
  上肢運動機能の回復は,タスク・スペクティフィック・トレーニング(TST)と十分な治療量に肯定的に関連している。 リハビリテーションロボットは、コントロールされた反復的な治療と、他の患者を同時に管理するためのフリーセラピストを通じて、TSTの量を増やすことができる。 これは、パーソナライズされた理学療法士と患者の相互作用の、不正確なロボット表現と、実践の多様性の欠如と関連している可能性がある。
  論文  参考訳（メタデータ） (2026-08-17T01:16:35Z)
• Human-AI Agent Interaction as a Neuroplastic Training Environment [3.8263925497663167]
  日常的なエージェントインタラクションは、認識されていない神経可塑性トレーニング環境である。 結果が失望すると、不忍、完全主義、フラストレーション、自己批判といった反応パターンが繰り返し誘発される。 我々は,同じトレーニング環境を,その逆の効果に係わることができることを提案する。
  論文  参考訳（メタデータ） (2026-07-14T14:36:04Z)
• When May I Help You? On The Effect of Proactivity on Group Human-Robot Collaboration [6.0109391632117015]
  対処されることなく貢献するロボットは、タイムリーなサポートを提供することができる。 対処されるのを待つロボットは人間のコントロールを維持するかもしれないが、支援する機会を逃すこともある。 本研究では,2組のロボットがヒューマノイドロボットで作業する共同避難室において,この設計課題について検討する。
  論文  参考訳（メタデータ） (2026-06-26T14:21:08Z)
• Interact2Ar: Full-Body Human-Human Interaction Generation via Autoregressive Diffusion Models [80.28579390566298]
  テキスト条件付き自己回帰拡散モデルであるInteract2Arを導入する。 ハンドキネマティクスは専用のパラレルブランチを通じて組み込まれ、高忠実度フルボディ生成を可能にする。 我々のモデルは、時間的動きの合成、外乱へのリアルタイム適応、ディヤディックからマルチパーソンシナリオへの拡張など、一連のダウンストリームアプリケーションを可能にする。
  論文  参考訳（メタデータ） (2025-12-22T18:59:50Z)
• Modulation of temporal decision-making in a deep reinforcement learning agent under the dual-task paradigm [4.398170461093707]
  本研究では、人工知能(AI)の観点から、デュアルタスクパラダイムにおける時間的処理の干渉について検討する。 2つの深層強化学習(DRL)エージェントがそれぞれ個別に訓練された。 これらのエージェントは、人間のタイミング研究と一致した創発的行動を示した。
  論文  参考訳（メタデータ） (2025-11-03T10:09:55Z)
• Emergent time-keeping mechanisms in a deep reinforcement learning agent performing an interval timing task [4.398170461093707]
  時間的時間的タスクを実行する深層強化学習(DRL)エージェントの時間的処理について検討する。 体内状態の分析により、生物学的システムにおけるユビキタスパターンである神経活性化が明らかになった。 エージェントの時間維持戦略とストリアタルビート周波数(SBF)モデルとの並列性を持つ。
  論文  参考訳（メタデータ） (2025-08-06T13:56:41Z)
• TC-LIF: A Two-Compartment Spiking Neuron Model for Long-Term Sequential Modelling [54.97005925277638]
  潜在的な可能性や危険に関連する感覚的手がかりの同定は、長期間の遅延によって有用な手がかりを分離する無関係な事象によってしばしば複雑になる。 SNN(State-of-the-art spiking Neural Network)は、遠方のキュー間の長期的な時間的依存関係を確立する上で、依然として困難な課題である。 そこで本研究では,T-LIFとよばれる,生物学的にインスパイアされたTwo-compartment Leaky Integrate- and-Fireのスパイキングニューロンモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-25T08:54:41Z)
• A Neural Active Inference Model of Perceptual-Motor Learning [62.39667564455059]
  アクティブ推論フレームワーク(英: active inference framework、AIF)は、現代の神経科学を基盤とした、有望な新しい計算フレームワークである。 本研究では,ヒトの視覚行動指導において,AIFが期待する役割を捉える能力をテストする。 本稿では,多次元世界状態から自由エネルギーの一次元分布にマッピングする先行関数の新たな定式化について述べる。
  論文  参考訳（メタデータ） (2022-11-16T20:00:38Z)
• Learning Compliance Adaptation in Contact-Rich Manipulation [81.40695846555955]
  本稿では,コンタクトリッチタスクに必要な力プロファイルの予測モデルを学習するための新しいアプローチを提案する。 このアプローチは、双方向Gated Recurrent Units (Bi-GRU) に基づく異常検出と適応力/インピーダンス制御を組み合わせたものである。
  論文  参考訳（メタデータ） (2020-05-01T05:23:34Z)

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。