Vibrotactile Preference Learning: Uncertainty-Aware Preference Learning for Personalized Vibration Feedback

यहाँ शोध पत्र "Vibrotactile Preference Learning: Uncertainty-Aware Preference Learning for Personalized Vibration Feedback" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

आभासी (virtual) और रिमोट वातावरण में इमर्शन के लिए हैप्टिक फीडबैक अत्यंत महत्वपूर्ण है, लेकिन इसकी प्रभावशीलता व्यक्तिगत संवेदी भिन्नता (individual variability) के कारण बाधित होती है। मैकेनोरिसेप्टर घनत्व (mechanoreceptor density), त्वचा की मोटाई और मनोवैज्ञानिक प्राथमिकताओं जैसे कारक यह तय करते हैं कि एक उपयोगकर्ता के लिए जो संकेत "सौम्य" है, वह दूसरे के लिए अप्राप्य या असुविधाजनक हो सकता है।

वर्तमान वैयक्तिकरण (personalization) विधियाँ महत्वपूर्ण सीमाओं से ग्रस्त हैं:

• मैनुअल ट्यूनिंग (स्लाइडर्स): इसके लिए उपयोगकर्ताओं को जटिल मापदंडों (आवृत्ति, आयाम) को समझने और उच्च-आयामी स्थानों (high-dimensional spaces) में नेविगेट करने की आवश्यकता होती है, जिससे संज्ञानात्मक भार (cognitive load) बढ़ जाता है।
• निरपेक्ष रेटिंग (लिकर्ट स्केल): यह स्कोर ड्रिफ्ट (स्थिर आंतरिक संदर्भ की कमी) और लंबे सत्रों के दौरान उपयोगकर्ता थकान के प्रति संवेदनशील है, जिससे शोर युक्त डेटा (noisy data) प्राप्त होता है।
• बाइनरी तुलना (A/B टेस्टिंग): हालांकि यह रेटिंग की तुलना में अधिक मजबूत है, लेकिन मानक युग्म तुलनाएँ (pairwise comparisons) विरल डेटा (sparse data) उत्पन्न करती हैं। एक बुद्धिमान चयन रणनीति के बिना, उपयोगकर्ता की वास्तविक प्राथमिकता तक पहुँचने के लिए बहुत अधिक इंटरैक्शन की आवश्यकता होती है।

मुख्य चुनौती एक सीमित इंटरैक्शन बजट (उपयोगकर्ता के प्रयास को कम करना) के भीतर, और मानव संवेदी निर्णयों में निहित अनिश्चितता (uncertainty) को ध्यान में रखते हुए, एक व्यक्ति के गुप्त वाइब्रोटैक्टाइल प्राथमिकता ढांचे (latent vibrotactile preference structure) को कुशलतापूर्वक सीखना है।

2. कार्यप्रणाली: वाइब्रोटैक्टाइल प्रेफरेंस लर्निंग (VPL)

लेखक VPL प्रस्तावित करते हैं, जो एक इंटरैक्टिव सिस्टम है जो गौसियन प्रोसेस (GP) प्रेफरेंस लर्निंग को अनिश्चितता-जागरूक क्वेरी चयन (uncertainty-aware query selection) के साथ जोड़ता है।

A. सिग्नल पैरामीट्राइजेशन (Signal Parameterization)

यह सिस्टम दो असममित मोटरों (लो-फ्रीक्वेंसी लेफ्ट, हाई-फ्रीक्वेंसी राइट) वाले माइक्रोसॉफ्ट एक्सबॉक्स कंट्रोलर का उपयोग करता है। वाइब्रोटैक्टाइल संकेतों को 4-आयामी पैरामीटर स्पेस $\Phi$ द्वारा परिभाषित किया गया है:

1. तीव्रता (Intensity - $I$): समग्र परिमाण।
2. मोटर संतुलन (Motor Balance - $T$): दोनों मोटरों के बीच तीव्रता का वितरण (जो "टेक्सचर" को नियंत्रित करता है)।
3. लय (Rhythm - $R$): कंपन स्पंदों (pulses) की आवृत्ति।
4. ग्रेन (Grain - $G$): स्पंदों का ड्यूटी साइकिल (जो तीक्ष्णता को प्रभावित करता है)।
   सिग्नलों को पल्स अवधि और अंतराल पर हार्डवेयर बाधाओं के साथ 3-सेकंड के अनुक्रमों के रूप में रेंडर किया जाता है।

B. संभावabilistic मॉडलिंग (Probabilistic Modeling)

यह सिस्टम एक गौसियन प्रोसेस (GP) प्रायर का उपयोग करके उपयोगकर्ता की प्राथमिकता को एक गुप्त उपयोगिता फलन (latent utility function) $f: \mathcal{X} \to \mathbb{R}$ के रूप में मॉडल करता है।

• इनपुट: सामान्यीकृत पैरामीटर वेक्टर $x \in [0, 1]^4$।
• लाइकलीहुड (Likelihood): सिस्टम एक कॉन्फिडेंस-अवेयर प्रोबिट लाइकलीहुड का उपयोग करता है। प्रत्येक दौर $t$ में, उपयोगकर्ता दो संकेतों ($x_A, x_B$) की तुलना करता है और निम्नलिखित प्रदान करता है:
  1. एक बाइनरी प्राथमिकता $y_t \in \{+1, -1\}$।
  2. एक कॉन्फिडेंस स्कोर $c_t \in \{1, \dots, 5\}$।
• अनिश्चितता मानचित्रण (Uncertainty Mapping): कॉन्फिडेंस स्कोर को शोर पैमाने (noise scale) $\sigma_t$ में मैप किया जाता है। कम कॉन्फिडेंस का अर्थ है लाइकलीहुड फंक्शन में उच्च शोर, जो मॉडल अपडेट के दौरान अनिश्चित निर्णयों को प्रभावी रूप से कम महत्व देता है।
• पोस्टीरियर अनुमान (Posterior Estimation): सिस्टम उपयोगिता फलन के माध्य ($\mu$) और सहप्रसरण ($\Sigma$) प्राप्त करने के लिए लाप्लास सन्निकटन (Laplace approximation) के साथ मैक्सिमम ए पोस्टीरियर (MAP) अनुमान के माध्यम से पोस्टीरियर मोड का अनुमान लगाता है।

C. सक्रिय क्वेरी चयन (Active Query Selection)

डेटा दक्षता को अधिकतम करने के लिए, सिस्टम एस्पेक्टेड इंफॉर्मेशन गेन (IG) अधिग्रहण रणनीति का उपयोग करता है।

• केवल रैंडम सैंपलिंग या सरल शोषण (exploitation) के बजाय, सिस्टम उस जोड़ी $(x_A, x_B)$ का चयन करता है जो वैश्विक प्राथमिकता परिदृश्य (global preference landscape) के बारे में अनिश्चितता में कमी को अधिकतम करती है।
• यह सिस्टम को केवल स्थानीय इष्टतम (local optimum) को परिष्कृत करने के बजाय उन क्षेत्रों का पता लगाने की अनुमति देता है जहाँ मॉडल अनिश्चित है या जहाँ उपयोगकर्ता के निर्णय असंगत हैं।

3. मुख्य योगदान (Key Contributions)

1. कॉन्फिडेंस-अवेयर प्रेफरेंस मॉडल: एक नवीन GP-आधारित ढांचा जो उपयोगकर्ता द्वारा रिपोर्ट किए गए कॉन्फिडेंस स्कोर को एकीकृत करता है ताकि प्रत्येक युग्म तुलना में विश्वास को नियंत्रित किया जा सके, जो उपयोगकर्ता को एक "वैरिएबल-नॉइज़ ओरकल" के रूप में मानता है।
2. कुशल सक्रिय शिक्षण रणनीति: क्वेरी चयन के लिए इंफॉर्मेशन गेन का उपयोग एक सख्त बजट (40 तुलनाओं) के भीतर वैश्विक प्राथमिकता संरचना को सीखने में सक्षम बनाता है, जो अन्वेषण (exploration) और परिशोधन (refinement) के बीच संतुलन बनाता है।
3. अनुभवजन्य सत्यापन (Empirical Validation): एक उपयोगकर्ता अध्ययन ($N=13$) जो दर्शाता है कि VPL उच्च भविष्य कहनेवाला सटीकता (predictive accuracy) और कम संज्ञानात्मक भार के साथ उच्च उपयोगकर्ता संतुष्टि प्राप्त करता है।
4. डिज़ाइन अंतर्दृष्टि: सैंपलिंग व्यवहार (InfoGain बनाम EUBO) का विश्लेषण और हैप्टिक्स में प्राथमिकता-आधारित वैयक्तिकरण को तैनात करने के व्यावहारिक निहितार्थ।

4. प्रयोगात्मक परिणाम (Experimental Results)

सिस्टम का मूल्यांकन एक्सबॉक्स कंट्रोलर का उपयोग करके 40 राउंड की युग्म तुलनाओं के माध्यम से एक उपयोगकर्ता अध्ययन में किया गया था।

A. वस्तुनिष्ठ मेट्रिक्स (RQ1: सटीकता)

• वैलिडेशन सटीकता: सीखे गए मॉडल ने होल्ड-आउट वैलिडेशन पेयर्स पर 92.3% औसत सटीकता प्राप्त की (सीमा: 85%–100%)।
• उपयोगकर्ता इष्टतम के साथ निरंतरता: उपयोगकर्ताओं द्वारा मैन्युअल रूप से उनके "सर्वश्रेष्ठ" के रूप में ट्यून किए गए सिग्नल, VPL मॉडल द्वारा उपयोगिता स्थान (utility space) के शीर्ष 18.8% (81.2वें पर्सेंटाइल) में रैंक किए गए।
• अभिसरण (Convergence): इंफॉर्मेशन गेन लगातार कम हुआ, और ग्राउंड ट्रुथ के साथ स्पीयरमैन सहसंबंध स्थिर हुआ, जो प्रभावी शिक्षण का संकेत देता है।

B. व्यक्तिपरक मेट्रिक्स (RQ2 और RQ3: संतुष्टि और कार्यभार)

• संतुष्टि: उपयोगकर्ताओं ने अनुशंसित संकेतों के साथ उच्च संतुष्टि व्यक्त की (औसत $\approx$ 6.5/7)। "एक्सपेक्टेशन मैच" स्कोर उच्च (6.23/7) था, जो इंगित करता है कि एल्गोरिदम उपयोगकर्ताओं के मानसिक मॉडल के साथ अच्छी तरह से संरेखित था।
• कार्यभार: NASA-TLX स्केल का उपयोग करते हुए, समग्र कार्यभार कम था (औसत = 3.71/20)।
  • मानसिक मांग (Mental Demand) सबसे अधिक घटक था (5.15), जो सूक्ष्म हैप्टिक्स को अलग करने के संज्ञानात्मक प्रयास को दर्शाता है।
  • शारीरिक मांग (Physical Demand) और हताशा (Frustration) बहुत कम थे।
  • प्रदर्शन (Performance) स्कोर कम थे (2.23), जो NASA-TLX स्केल पर उच्च आत्म-कथित सफलता को दर्शाता है।
• समय: पूरा 40-राउंड सत्र लगभग 12 मिनट 43 सेकंड का था।

5. महत्व और भविष्य की दिशाएं (Significance and Future Directions)

महत्व:

• स्केलेबल वैयक्तिकरण: VPL प्रदर्शित करता है कि बिना विशेषज्ञों की आवश्यकता के या लंबे, थकाऊ सत्रों के बिना उच्च-गुणवत्ता वाला वैयक्तिकरण संभव है।
• शोर के प्रति मजबूती (Robustness to Noise): उपयोगकर्ता अनिश्चितता को स्पष्ट रूप से मॉडल करके, सिस्टम शोर युक्त या असंगत निर्णयों पर ओवरफिटिंग से बचता है, जो मानक प्रेफरेंस लर्निंग में एक सामान्य विफलता बिंदु है।
• अनुप्रयोग क्षेत्र: यह ढांचा ऑटोमोटिव HMI (सुरक्षा चेतावनी), थेरेपी/पुनर्वास (दर्द प्रबंधन), मोबाइल/वियरेबल्स (सूक्ष्म अलर्ट), और इमर्सिव गेमिंग (VR/AR) सहित विविध क्षेत्रों में लागू किया जा सकता है।

सीमाएं और भविष्य का कार्य:

• बजट बाधाएं: केवल 40 इंटरैक्शन के साथ, सीखा गया परिदृश्य एक लो-रिज़ॉल्यूशन सन्निकटन (approximation) है; बहुत समान सिग्नल अभी भी अविभेद्य रह सकते हैं।
• पैरामीट्राइजेशन: वर्तमान 4-पैरामीटर मॉडल जटिल स्पैटियो-टेम्पोरल पैटर्न को बाहर रखता है। भविष्य के कार्य का लक्ष्य उच्च-आयामी स्थानों में VPL का विस्तार करना है।
• कॉन्फिडेंस कैलिब्रेशन: कॉन्फिडेंस स्कोर से शोर स्तरों का मानचित्रण वर्तमान में स्थिर है। भविष्य के संस्करण व्यक्तिगत व्यवहार के अनुसार इस मानचित्रण को ऑनलाइन बेहतर बनाने के लिए अनुकूलित कर सकते हैं।

निष्कर्षतः, VPL वाइब्रोटैक्टाइल फीडबैक को वैयक्तिकृत करने के लिए एक मजबूत, डेटा-कुशल और उपयोगकर्ता के अनुकूल दृष्टिकोण प्रदान करता है, जो जटिल हैप्टिक डिज़ाइन स्पेस और व्यक्तिगत उपयोगकर्ता आवश्यकताओं के बीच की खाई को पाटता है।