摘要:对于因神经损伤而导致运动障碍的个体,功能性电刺激 (FES) 和康复机器人等康复疗法在改善其活动能力和日常生活活动方面具有巨大潜力。将 FES 与康复机器人相结合可实现紧密协调的人机交互。此类交互的一个例子是 FES 骑行,其中机动辅助可以提供高强度和重复的协调肢体运动练习,从而带来生理和功能上的好处。本文介绍了多个 FES 骑行试验台和安全装置的开发,以及自行车骑手系统的切换非线性动力学。介绍了用于节奏和扭矩跟踪的闭环 FES 骑行控制设计。对于每个跟踪目标,作者介绍并讨论了过去用于计算肌肉刺激和电机电流输入的稳健和自适应控制器的工作。针对每个控制器和跟踪目标组合,提供了涉及健全个体和神经损伤参与者的实验结果。根据实施要求、预期康复结果和骑手表现,讨论了控制算法的权衡。最后,概述了未来的工作以及所开发方法对包括遥控机器人在内的其他技术的适用性。
在本质上具有交互性的人机协作环境中,沟通方向在用户如何看待他们的人工智能伙伴方面发挥着重要作用。在具有部分可观察信息的人工智能驱动的合作游戏中,玩家(无论是人工智能还是人类玩家)需要其他玩家准确解释他们的行为才能取得成功的结果。在本文中,我们研究了在合作游戏环境中具有各种沟通方向的人工智能代理的社会认知。当参与者认为他们正在与人工智能或人类一起玩时,我们会测量参与者对其伙伴的主观社会认知(融洽关系、智力和好感度)以及沟通的性质(响应性和主导角色)。我们对这款合作游戏的 Mechanical Turk(n=199)进行了大规模研究,发现不同人工智能代理、不同沟通方向以及代理被视为人工智能/人类时,游戏结果和社会认知存在显著差异。我们发现,先前的研究表明,对人工智能的偏见因沟通方向和人工智能代理的不同而不同。
摘要:自动完成是一种扩展和延续部分用户输入的方法。我们建议将自动完成解释为人机交互中的一个基本交互概念。我们首先描述自动完成的概念,并剖析其用户界面和交互元素,以搜索引擎中成熟的文本自动完成为例。然后,我们重点介绍这些元素如何在其他应用领域中重复出现,例如代码完成、GUI 草图和布局。这种比较和转移突出了此类智能系统在扩展和完成用户输入方面的固有作用,尤其适用于设计与生成式 AI 的交互。我们反思并讨论了自动完成的概念分析,以提供灵感和概念视角,应对人机交互设计中当前面临的挑战。
摘要:在过去的几年中,人工智能已经开始改变商业世界的动态。人工智能与组织绩效的互动有望显著提高公司的全球竞争力水平。人工智能有望帮助组织了解其员工、客户、目标受众或潜在目标受众。人工智能可以通过使事情变得更加方便和个性化来改善生活,组织将能够个性化并在更高层次上做事,而这种方式目前仅限于人类。组织每天都有一系列的要求和挑战:做什么、怎么做、什么时候做、谁应该做、涉及的成本、涉及的时间、所需的资源、当前的市场趋势、当前的经济状况、消费者偏好的变化等。所有这些都需要人类根据过去的数据进行分析,在有限的时间内,这对组织和员工来说都可能具有挑战性和困难性。这些情况都是可以应用人工智能的一个例子。人工智能可以隐含在组织的每个部门中。所遵循的研究设计本质上是描述性的。进行和分析研究的目标样本量为 100。条形图和饼图被用作研究工具来呈现研究结果。参与这项研究的关键参与者是组织员工。
人工智能 (AI) 和人机交互 (HCI) 有着共同的根源,早期的对话代理研究为这两个领域奠定了基础。然而,在随后的几十年里,这两个领域之间最初的紧密联系变得不那么明显了。深度学习的兴起彻底改变了人工智能,并带来了大量实用的方法和工具,这些方法和工具对核心人工智能以外的领域产生了重大影响。特别是,现代人工智能技术现在为机器和人类的互动提供了新的方式。因此,现在是时候研究现代人工智能如何以新的方式推动人机交互研究,以及人机交互研究如何帮助指导人工智能的发展。本次研讨会为研究人员提供了一个论坛,讨论将现代人工智能方法引入人机交互研究的新机遇,确定需要研究的重要问题,展示可以应用的计算和科学方法,并分享已有的数据集和工具或提出应进一步开发的数据集和工具。我们感兴趣的主题包括用于理解和建模人类行为并实现新交互模式的深度学习方法、结合人类和机器智能来解决困难任务的混合智能,以及用于交互数据管理和大规模数据驱动设计的工具和方法。在这些主题的核心,我们希望开始讨论现代人工智能的数据驱动和以数据为中心的方法如何影响 HCI。
机器人技术的发展趋势是,从与人物理分离工作的工业机器人,转向在工作场所和家中与人协作和互动的机器人。人机交互 (HRI) 领域从计算、设计和社会的角度研究这种交互。与此同时,人们对机器人和自主系统行为的安全性、验证和自动合成的研究兴趣日益浓厚。形式化方法和测试领域专注于系统的验证和合成,旨在对系统进行建模并定义和证明这些系统的规范;在机器人技术的背景下,这些技术考虑了机器人动力学及其与不断变化和不确定的环境的相互作用。然而,与机器人合作的人不仅是机器人环境的一部分,而且是一个自主代理,其意图、信念和行为与机器人代理的意图、信念和行为相吻合。这引发了与验证和合成相关的新研究问题,包括什么是人机交互的适当模型;是否以及如何
摘要:本文研究了不同噪声水平和不同照明水平对飞行机器人语音和手势控制命令界面的影响。目的是通过研究各个组件的局限性和使用可行性来确定语音和视觉手势多模态组合在人类有氧机器人交互中的实际适用性。为了确定这一点,分别使用 CMU(卡内基梅隆大学)sphinx 和 OpenCV(开源计算机视觉)库开发了一个自定义多模态语音和视觉手势界面。设计了一项实验研究来测量语音和手势两个主要组成部分各自的影响,并招募了 37 名参与者参与实验。环境噪声水平从 55 dB 到 85 dB 不等。环境照明水平从 10 勒克斯到 1400 勒克斯不等,在不同的照明色温混合下,黄色(3500 K)和白色(5500 K),以及用于捕捉手指手势的不同背景。实验结果包括大约 3108 个语音话语和 999 个手势质量观察,并进行了介绍和讨论。观察到语音识别准确率/成功率随着噪声水平的上升而下降,75 dB 噪声水平是航空机器人的实际应用极限,因为语音控制交互由于识别率低而变得非常不可靠。结论是,多词语音命令被认为比单词语音命令更可靠和有效。此外,由于其清晰度,一些语音命令词(例如,land)在较高噪声水平下比其他命令词(例如,hover)更耐噪。从手势照明实验的结果来看,照明条件和环境背景对手势识别质量的影响几乎微不足道,不到 0.5%。这意味着其他因素,例如手势捕获系统设计和技术(相机和计算机硬件)、捕获的手势类型(上身、全身、手、手指或面部手势)以及图像处理技术(手势分类算法),在开发成功的手势识别系统中更为重要。根据从这些发现得出的结论,提出了一些进一步的研究,包括使用替代的 ASR(自动语音识别)语音模型和开发更强大的手势识别算法。
人类操作员是稳定、安全的电力系统不可或缺的一部分。虽然人们越来越关注自动化改进,但理解和培训人类操作员的重要性可能被低估了。本文讨论了一个通过评估人类相对于使用最优控制理论确定的参考操作员模型的表现来增强操作员培训计划的项目。除了建立一个简单的基于计算机的操作员工作站以供将来培训之外,本文还介绍了人在环电力系统实验的最优控制响应设计方法。介绍了整个系统模型。将最优控制器综合方法应用于模型系统并设计最优控制器。然后将最优控制器的性能与人类受试者的性能进行比较。
按照预期,它是上一代的子代,由上一代生成:根据这一说法,当将大型计算机的计算时间分配给多个批处理作业的算法变得越来越先进时,很明显可以将大型计算机的计算时间进一步划分。将其划分为足够小的部分,这些部分快速连续地相互衔接,在几个人看来,他们将对整个机器拥有独占控制权。这种称为“时间共享”的想法并没有将计算机的资源划分给几个批处理作业,而是划分给几个人(正如我们将在下面看到的,重新定义为“用户”),这些人现在可以与机器进行“对话交互”。6 虽然分时一代的对话是以书面文本交换的形式进行的,但沃克的第四代交互引入了图形显示,将文本命令集中到可视菜单中。第五代也是最后一代催生了个人计算的图形用户界面,这些界面在各种迭代中一直陪伴着我们的台式机、笔记本电脑和手机,直到今天。7
正如我们所料,它是上一代计算机的产物,并由上一代计算机生成:随着将大型计算机的计算时间分配给多个批处理作业的算法越来越先进,显然可以进一步划分大型计算机的计算时间。将计算时间划分为足够小的部分,并快速连续地相互衔接,在几个人看来,他们将拥有对整台机器的独占控制权。这种称为“分时”的想法并没有将计算机的资源划分给几个批处理作业,而是划分给几个人(我们将在下文中将这些人重新定义为“用户”),这些人现在可以与机器进行“对话交互”。6 分时一代的对话以书面文本交换的形式发生,而沃克的第四代交互则引入了图形显示,将文本命令集中到可视菜单中。第五代也是最后一代催生了个人计算的图形用户界面,这些界面经过多次迭代,至今仍在我们的台式机、笔记本电脑和手机上陪伴着我们。7