lightbulb现实痛点决策优化与强化学习理解
用户情绪的动态变化难以被实时预测和有效解释。人机协作与决策支持 / 决策优化与强化学习理解
用户情绪的动态变化难以被实时预测和有效解释。
同类问题
lightbulb现实痛点决策优化与强化学习理解
用户在多任务中频繁切换注意力效率低下，导致生产力下降。UIST '24AITentive: A Toolkit to Develop Reinforcement Learning-based Attention Management Systems
lightbulb现实痛点决策优化与强化学习理解
用户难以通过现有视频摘要技术快速获取符合自身兴趣的内容。UbiComp '24ChatCam: Embracing LLMs for Contextual Chatting-to-Camera with Interest-Oriented Video Summarization
lightbulb现实痛点决策优化与强化学习理解
用户在高压力多任务情境下容易因频繁切换任务而效率降低或犯错。lightbulb现实痛点决策优化与强化学习理解
智能城市对高效通信网络的需求无法通过地面网络满足。UbiComp '23Cooperative Multi-Type Multi-Agent Deep Reinforcement Learning for Resource Management in Space-Air-Ground Integrated Networks
lightbulb现实痛点决策优化与强化学习理解
无人机着陆时易因地面效应和噪声干扰导致不稳定甚至损坏设备。UbiComp '23SmoothLander: A Quadrotor Landing Control System with Smooth Trajectory Guarantee Based on Reinforcement Learning
lightbulb现实痛点决策优化与强化学习理解
用户模型的参数估计需要大量用户数据，过程昂贵且耗时。相关论文
CHI 2024
通过整合评价和强化学习的计算模型来模拟情感
Jiayi Eurus Zhang, Bernhard Hilpert, Joost Broekens
CHI 2024
用强化学习支持任务切换
Alexander Lingler, Dinara Talypova, Jussi P. P. Jokinen
CHI 2023
用户指向模型的平均化实验设计和参数估计
Antti Keurulainen, Isak Rafael Westerlund, Oskar Keurulainen
UIST 2022
为生物力学用户模型注入生命
Aleksi Ikkala, Florian Fischer, Markus Klar
CHI 2022
选择或建议？基于强化学习的高精度触摸屏目标选择方法
Zhi Li, Maozheng Zhao, Dibyendu Das
CHI 2022
重新发现可能性：强化学习的视角
Yi-Chi Liao, Kashyap Todi, Aditya Acharya
CHI 2021
间歇控制的指针点击行为仿真模型
Seungwon Do, Minsuk Chang, Byungjoo Lee
CHI 2021
触摸屏打字作为最优监督控制
Jussi P. P. Jokinen, Aditya Acharya, Mohammad Uzair
CHI 2021
基于最优动作的或基于用户预测的触觉引导：你能做得更好吗？
Hee-Seung Moon, Jiwon Seo
CHI 2021
基于模型的强化学习适应用户界面
Kashyap Todi, Gilles Bailly, Luis Leiva