随着机器人技术的不断发展,增强现实(AR)与机器人远距离的整合正在成为一种变革性的方法,从而增强了人类与各个领域的互动和控制机器人的互动方式。机器人现在正在使用更复杂的情况。将AR纳入远距离工作为提高这些机器人应用的准确性,安全性和效率开辟了新的途径。本期本期旨在展示将AR与Telecorerated机器人系统融合到界限的研究量身定制,可通过使用增强现实来增强机器人的远程操作。感兴趣的主题包括但不限于AR界面设计,感觉反馈增强,适应AR的控制系统以及评估AR对Teleperation功效的影响的经验研究。
相当抽象,无法指导如何设计以及设计什么。最近的研究 [ 4 ] 已开始研究设计模式以指导详细的用户界面设计。除了以用户为中心的设计 (UCD) 流程之外,还提出了设计透明 AI 系统的总体设计方法 [ 5 ]。在本文中,我们回顾了现有的设计方法研究,以指导负责任和合乎道德的 AI 系统和用户界面的设计者。然后,我们提出了一种新方法,即共同设计公平 AI 交互 (CoFAIR),该方法包括一系列共同设计研讨会,然后进行更广泛的评估,以创建合适的用户界面,使其能够探索目标用户群体的公平性。我们通过案例研究展示了该方法的应用。我们讨论了我们的方法的局限性,以及如何将此方法推广到设计合乎道德和负责任的人工智能系统。
本硕士论文重点关注军事环境下机载预警和控制 (AEW&C) 系统操作员的用户界面体验。该研究与国防工业公司 Saab 合作,通过设计和以用户为中心的设计方法研究用户需求以及他们如何与界面交互。研究表明,尽管国防工业具有独特性,但操作员对难以使用的界面反应不佳,导致沮丧和功能利用不足。该研究确定了信息过载、用户界面设计和个性化、任务难度和缺乏帮助系统、压力和认知负荷等背景因素。通过开发和测试新的界面原型,结合设计反馈会议和迭代,该论文解决了这些背景需求。研究结果强调了在军事环境中引入用户体验的重要性,在军事环境中,复杂的系统工程和功能传统上比简单性和可用性更受青睐。
摘要:挪威国家科技大学 (NTNU) 设立了一项为期 8 年的研究项目,研究人类与无人驾驶自主船舶之间的相互作用(除其他事项外)。当船舶操作员远程位于岸上的岸上控制中心时,人将变得更加重要。本概念论文将仔细研究操作员监控多艘船舶的远程决策。当意外突然发生时,界面设计如何帮助他们快速进入循环?在本文中,我建议保留控制船舶的 AI 专家系统的副本,并在控制中心更新并并行运行,以保持操作员在短暂的通信故障期间的态势感知。此外,设计一个“快速进入循环显示”,它将在警报情况下自动出现,让操作员及时获得简单易懂的信息。我还要强调自动化透明度概念的重要性。
相当抽象,无法用于指导如何设计以及设计什么。最近的研究 [4] 开始研究设计模式来指导详细的用户界面设计。除了以用户为中心的设计 (UCD) 流程之外,还提出了用于设计透明人工智能系统的总体设计方法 [5]。在本文中,我们回顾了现有的设计方法研究,以指导设计师设计负责任且合乎道德的人工智能系统和用户界面。然后,我们提出了一种新方法,即共同设计公平人工智能交互 (CoFAIR),该方法包括一系列共同设计研讨会,然后进行更广泛的评估,以创建合适的用户界面,使其能够通过目标用户群体探索公平性。我们通过案例研究展示了该方法的应用。我们讨论了我们方法的局限性,以及如何将这种方法推广到合乎道德和负责任的人工智能系统的设计。
增强现实 (AR) 的交互设计越来越受到学术界和工业界的关注。本综述讨论了 260 篇文章(占 2015 年至 2019 年期间发表的文章的 68.8%),以回顾互联城市中的人机交互领域,重点关注增强现实驱动的交互。我们概述了人城交互和相关技术方法,然后回顾了 AR 耳机的信息可视化、受限界面和具身交互的最新趋势。我们重点介绍了界面设计和输入技术中值得进一步研究的未充分探索的问题,并推测具有互补对话式用户界面 (CUI) 的 AR 是实现智慧城市中沉浸式系统无处不在的交互的关键推动因素。我们的工作有助于研究人员了解 AR 在人城交互中的当前潜力和未来需求。
摘要 人们对海上自主水面舰艇 (MASS) 的兴趣日益增加,因为人们预测它们可以提高安全性、性能和操作能力。然而,它们的引入与人类操作员面临的许多持久的人为因素挑战(例如,监控自动化系统的困难)有关,而他们在岸边控制中心的“远程性”加剧了问题。本文旨在利用感知周期模型 (PCM) 的理论基础研究无人驾驶车辆操作员的潜在决策过程。选择了无人机 (UAV) 事故案例研究,因为它与通过地面控制中心操作 MASS 有相似之处。开发了两个 PCM;一个用于演示实际发生的事情,另一个用于演示应该发生的事情。通过比较这些模型,可以发现操作员的态势感知、明确定义的操作员角色、培训和界面设计对于从远程控制中心进行决策非常重要。
该项目介绍了一个复杂的药物推荐系统,该系统利用机器学习的力量(ML)和自然语言处理(NLP)技术,以提供个性化和上下文意识到的药物建议。该系统整合来自不同来源的数据,包括药物特性,医疗状况和患者评论。初始阶段涉及全面的数据预处理,其中NLP用于情感分析以及从非结构性文本数据中提取有意义的见解。ML组件利用了混合模型,结合了协作过滤和基于内容的过滤,以确保准确和个性化的药物建议。用户界面设计为简单,使用户能够输入医疗信息和偏好。[1]可视化工具被合并,以提供有关推荐药物的详细信息,从而促进明智的决策。连续反馈循环可确保根据用户体验和现实世界反馈发展系统。
应用程序设计流程图和操作员界面设计是在托管在运行64位窗口的计算机上的Aurora设计助手IDE中完成的。使用分步方法组合一个流程图,其中每个步骤都从现有工具箱中获取并积极配置。输入后续步骤(可以是图像,3D数据或字母数字结果)很容易链接到上一个步骤的输出。决策制定是使用流量控制步骤进行的,其中逻辑表达式被交互描述。立即显示分析和处理步骤的结果,以允许快速调整参数。上下文指南为流程图中的每个步骤提供了帮助。流程图可通过将步骤分组到子流程图中保持。配方设施使一组分析和处理步骤具有不同的配置,以整洁处理对象或同一流程图中感兴趣的特征的变化。
使用未螺旋空气系统(UASS)作为物流链的一部分摘要将降低总体运营成本和加速交付。UAS操作员面临的一个特殊挑战正在移交高水平的自主控制和试点控制之间。本综述根据不同领域内自动化水平之间的移交因素介绍了已发表文献的发现。总共回顾了188个完整的出版物,其中包括52个出版物。文献概述了针对UASS,机组人员,医疗保健,海上,机器人技术和空中交通管制的出版物中移交过渡的几个挑战。干预措施包括界面设计,培训策略,自动化本身的设计,以支持操作员和组织设计机会。目前只有一个小文献基础,了解人为因素干预的应用及其对这一独特应用的好处需要更好地理解以支持有效的操作安全。