ETH Zurich提出ConBO算法实现VR/AR交互自动优化
利用以前用户的数据来加速优化，在适应个人特征的同时利用共享特征
（映维网Nweon 2025年06月24日）由于用户的运动能力、偏好和行为不同，虚拟现实和增强现实中的输入交互最佳设置在个体之间差异很大。今天的交互系统要么通常忽略这种可变性，要么依赖于手动用户调整和明确的校准程序，这可能导致交互效率低下或增加设置时间。
尽管Human-in-the-Loop优化有可能在使用过程中确定最佳设置，但由于其优化过程较长，所以很少应用。更有效的方法是不断利用以前用户的数据来加速优化，在适应个人特征的同时利用共享特征。
Human-in-the-Loop（人机协同/人在回路） 是一种将人类智能与人工智能系统紧密结合的方法论。其核心思想是：在AI系统的关键环节引入人类的判断、决策或反馈，形成一个“人机协作闭环”，从而提升系统的准确性、可靠性和适应性。
在一项研究中，苏黎世联邦理工学院团队介绍了Continual Human-in-the-Loop Optimization和基于贝叶斯优化的方法，利用贝叶斯神经网络代理模型来捕获种群水平特征，同时适应新用户。他们提出了一种生成式重放策略来减轻灾难性遗忘，随着用户基数的增加，适应时间可以缩短。
......（全文 2081 字，剩余 1659 字）
请微信扫码通过小程序阅读完整文章或者登入网站阅读完整文章
映维网会员可直接登入网站阅读
PICO员工可联系映维网免费获取权限
