ワーキングメモリにかかる認知負荷量であるメンタルワークロード(MWL) は，過負荷時には注意散漫によるエラーを招く．日々のMWLの推定の客観的な推定が重要視されており，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推定モデルを構築した．MWL推定では個人差の影響を受けることが分かっており，個人差を低減するため，MWL推定モデルのユーザ特化手法を検討した．1人抜き交差検証により構築したモデルに対し，各ユーザのデータを用いて再学習することで，ドメイン適応によるモデルの個人化を図った．最適なユーザ特化手法を明らかにすると共に，日常行動での実運用を見据え，ユーザ負担を考慮した場合の手法有効性についても評価した．