ProMemAssist:基于工作记忆建模的多模态可穿戴设备及时主动协助研究
作者
车内触觉、声音、多模态反馈大语言模型(LLM)的人机协作生物传感器与生理监测HCI 研究员认知科学家
可穿戴 AI 系统旨在日常生活中提供及时协助,但现有方法通常依赖用户发起或预定义任务知识,忽视用户当前的心理状态。我们引入 ProMemAssist,这是一款智能眼镜系统,利用多模态传感器信号实时建模用户的工作记忆(WM)。基于 WM 认知理论,我们的系统将感知信息表示为具有编码机制(如置换和干扰)的记忆项和片段。该 WM 模型为时序预测器提供信息,在协助价值与中断成本之间取得平衡。在 12 名参与者完成高认知需求任务的用户研究中,ProMemAssist 提供了更具选择性的协助,并获得比 LLM 基线系统更高的参与度。定性反馈强调了 WM 建模对细致入微、情境敏感支持的益处,为更专注和更具用户意识的前瞻性代理提供设计启示。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3746059.3747770
一眼看懂
fact_check论文快照
dataset
来源
UIST
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
6 位作者
sell
研究子方向
车内触觉、声音、多模态反馈、大语言模型(LLM)的人机协作、生物传感器与生理监测
work
职业/产业
HCI 研究员、认知科学家
article
内容状态
仅摘要
hub
相关论文
1 篇相关论文