ワーキングメモリにかかる認知負荷量をメンタルワークロード(MWL)と言い，過負荷時には注意力の散漫によりヒューマンエラーが発生しやすい．また，慢性的な負荷が食欲の増加や睡眠の質に影響することが分かっており，ヘルスケアに影響する可能性がある．そこで日々のMWLの推定やリアルタイムかつ客観的な推定が重要視されている．本研究では床拭き掃除中の身体と道具の慣性データによるMWL推定手法を検討した．まず，慣性センサの生データから算出した多次元情報をベクトル量子化により記号列に変換した．その後，記号間の遷移や出現頻度などを入力の特徴量とする回帰モデルを構築し，MWLの推定精度を検証した．