VR環境を用いて難易度を調整するけん玉タスクにおいて，ユーザのけん玉成功率を予測するためのスキルモデルを構築する場合，大量のパフォーマンスの観測を必要とせずに少量の観測データから即時に予測できることが望ましい．スキルモデルからのけん玉軌跡のサンプリングにより難易度を変更した時の成功率を予測するため，観測データとサンプリングから獲得できるけん玉軌跡の分散の関係を調査することは重要である．本稿では，スキルモデルの構築に時系列パターンの潜在空間への写像とその空間内での状態遷移を学習する確率論的手法を用いることで，不確実性を考慮した時系列予測を行うことがけん玉軌跡の表現に幅を持たせて，それが成功率の予測性能の向上に繋がることを検証していく．
