XiaoMi-AI文件搜索系统
World File Search System人机
移动目标——人机交互的演变
HCI 通常被狭义地用来指代某一学科的工作。我将其定义得非常广泛，涵盖了四个学科的主要研究线索：人为因素、信息系统、计算机科学和图书馆与信息科学。稍后，我将讨论简单术语的使用差异如何使探索文献变得困难。在这里，我将解释我对主要学科标签的使用。CHI（计算机-人机交互）的关注点比 HCI 更窄；CHI 主要与计算机科学、计算机协会特别兴趣小组 (ACM SIGCHI) 以及后者的年度 CHI 会议相关。我交替使用人为因素和人体工程学，并将该学科称为 HF&E。 （有些作者将人体工程学定义得更狭隘，只限于硬件。）1992 年，人类因素学会 (HFS) 更名为人类因素与人体工程学学会 (HFES)。IS（信息系统）是指管理学科，也被称为数据处理 (DP) 和管理信息系统 (MIS)。我按照通常的说法将组织信息系统专家称为 IT 专业人员或 IT 专业人士。LIS（图书馆和信息科学）代表了一个旧领域，具有新的数字化身，包括重要的 HCI 研究。在采用 IS 的情况下，我不会缩写信息科学，该学科通常简称为“信息”，如“信息学院”或“信息学院”。
人机一体化设计与分析系统...
随着自动化和先进技术被引入交通系统，从下一代航空交通系统（称为 NextGen）到以智能交通系统为代表的先进地面交通系统，再到为太空探索而设计的未来系统，越来越需要有效地预测未来系统在辅助技术的要求下将如何容易出错。一种以安全和非侵入方式研究辅助技术对人类操作员影响的正式方法是使用人类性能模型 (HPM)。在提出、开发和测试复杂的人机系统设计时，HPM 起着不可或缺的作用。一种称为人机集成设计和分析系统 (MIDAS) 的 HPM 工具是 NASA 艾姆斯研究中心 HPM 软件工具，自 1986 年以来一直用于预测人机系统在各个领域的表现。MIDAS 是一个动态的集成 HPM 和模拟环境，有助于在模拟操作环境中设计、可视化和计算评估复杂的人机系统概念。本文将讨论一系列航空特定应用，包括用于为 NASA 航空安全计划建模人为错误的方法，以及用于评估 NextGen 操作的驾驶舱技术的“假设”分析。本章将最终提出用于评估辅助技术的复杂人机系统设计的预测 HPM 领域的两个挑战：(1) 模型透明度和 (2) 模型验证。
在... 实施人机系统集成研讨会
关键系统、其操作频段和要求需要进行表征并与其他系统集成。人机系统与硬件和软件元素的最佳集成对任务执行的多个方面都有影响，包括人类健康和绩效、风险缓解、有效设计和功能、增强安全性以及降低生命周期成本。人机系统集成 (HSI) 领域代表了一种跨学科、全面的跨领域方法，涵盖了将人作为系统考虑因素和目标集成到所有其他系统组件和多个领域中的技术和管理流程。除了人类活动之外，HSI 还涵盖培训、运营和支持维度。此外，HSI 是系统工程实践的重要推动因素，强调人机系统方面，以优化完全集成的系统性能，同时在开发的最初阶段系统地融入所有用户的需求。与国家太空探索运动一致，NASA 正在开发 Gateway，这是一个月球轨道平台，将作为宇航员栖息地，支持前往深空的交通，验证新技术和系统，并充当科学实验室和通信中心等用途。它是通过可进化的基础设施和先进技术将人类探索延伸到深空的阶段的基本要素，支持其他探索架构元素的组装和物流。为了探索 HSI 在任务（系统的系统）生命周期中实施的现状和未来计划，HSI 员工资源组以 Gateway 计划为案例研究，举办了一次 HSI 研讨会。它揭示了约翰逊航天中心的不同组织如何在其流程中纳入 HSI，为 Gateway 的开发和运营做准备。研讨会重点关注 HSI 方法，用于实施 NASA 的六个 HSI 领域：人为因素工程、运营资源、宜居性和环境、可维护性和可支持性、安全性和培训。本文报告了研讨会的结果，以及 NASA 的一些 HSI 历史背景，以及使用员工资源组促进技术知识的成功。作者希望这些信息可用于传播最佳实践，以便将其转化为其他太空探索系统。关键词：人机系统集成、NASA、系统工程、NASA HSI 领域、员工资源组、系统的系统、人作为系统 首字母缩略词/缩写 ARGOS：主动响应重力卸载系统 CAST：机组人员自主调度测试 CDR：关键设计评审 ConOps：作战概念 CREAM：认知可靠性和错误分析方法 DDT&E：设计、开发、测试和评估 DoD：国防部 EED：电子发动机显示器 EMU：额外机动单元 ERG：员工资源组 FOD：飞行运营理事会 HCD：以人为本的设计 HITL：人在回路中
多模态人机交互的系统评价
摘要：本文对多模态人机交互进行了系统回顾。本文展示了不同类型的交互技术（虚拟现实 (VR) 和增强现实、力和振动反馈设备（触觉）和跟踪）在不同领域（概念、医学、物理、人为因素/用户体验设计、交通、文化遗产和工业）中的应用。进行了系统的文献检索，最初确定了 406 篇文章。从这些文章中，我们选择了 112 篇我们认为与本文内容最相关的研究作品。从时间模式、不同领域技术类型的使用频率和聚类分析的角度对文章进行了深入分析。通过分析，我们能够回答相关问题，以寻找与多模态 HCI 相关的工作的下一步。我们研究了典型的技术类型、技术类型和频率在每个领域随时间的变化，以及考虑到相似性，论文如何按指标分组。这项分析确定 VR 和触觉是所有领域中使用最广泛的。虽然 VR 是最常用的，但触觉交互在越来越多的应用中出现，这表明未来应研究将 VR 和触觉配置在一起的应用。
人机系统集成与设计 - HAL
人机系统集成 (HSI) 表示当代系统工程的过程和结果，在系统的整个生命周期中同时考虑技术、组织和人为因素。此生命周期包括设计、开发、认证、交付、运营和退役。“系统”的概念代表人、组织和机器，它们在结构和功能方面在认知和物理上都有定义。系统的物理和认知属性可以设计为满足一组原则和标准，从而产生一组任务和活动方面的要求。在回顾以人为本的方法的发展之后，本章从以人为本的系统科学和发展的角度深入探讨了系统的总体问题。我们提出了 HSI 和以人为本的设计 (HCD) 的基础，并以航空航天和更普遍的生命关键工业实例为例，说明了理论发展。
未来的人机设计工具：从各个层面...
设计师需要什么？设计，作为一个动词，是关于构思和创造的。任何系统的设计者都需要表示系统的组件以及它们如何组合在一起。对于社会技术系统，这些组件既指机器，又指人。在设计执行某种功能的东西时，设计师还需要表示该功能所需的过程或活动流程。在创造新事物时，很难甚至不可能预测设计选择的所有后果，但这种困难不应阻止设计师寻求帮助他们进行此类预测的工具。对于分布式、多方系统（所有社会技术系统都是如此），预测性能的关键能力是识别和理解工作过程中的因果关系。因此，人机设计工具应根据它们如何很好地表示人和机器、正在执行的工作以及整个工作过程中人与机器之间的关系来评估。
迈向主动的人机协作
人机协作 (HRC) 引起了研究人员和工程师的浓厚兴趣，因为它可以提高操作的灵活性和效率，从而实现大规模个性化。然而，现有的 HRC 开发主要以人为本或以机器人为中心，按照预先定义的指令进行操作，远未实现机器人自动化和人类认知的有效结合。认知计算、工业物联网和机器人学习的人机层面信息处理的主流研究为弥合现场操作员、机器人和其他制造系统之间的知识提炼和信息共享之间的差距创造了可能性。因此，一种可预见的基于信息学的认知制造范式——主动 HRC，被引入作为共生 HRC 的一种高级形式，其高水平的认知团队合作技能将逐步实现，包括：1）协作认知，在对人类和机器人情况的整体理解的基础上，在执行循环中建立双向同理心； 2）时空协作预测，估计人机对象在分层子任务/活动中的交互情况，以便进行主动规划；3）自组织团队合作，聚合分布式 HRC 系统的知识，进行自组织学习和任务分配。除了描述它们的技术核心外，还进一步讨论了主要挑战和潜在机会，以便为实现主动 HRC 做好准备。
PB89-175525 心理人机交互模型
• 确定展示心理模型形式和在模型上所使用的操作的行为。 “• 探索目标导向表征的替代观点（例如，所谓的序列/方法表征）并详细说明从它们预测的行为。• 扩展可能存在的心理表征类型，以包括那些可能不是机械的，例如代数和视觉系统。• 确定人们如何混合不同的表征来产生行为。• 探索如何获得有关系统的知识。• 确定个体差异如何影响系统的学习和性能。• 探索系统的训练序列的设计。 • 提供系统为系统设计师提供工具，帮助他们开发能够在用户中唤起“良好”表现的系统。• 扩展本研究的任务领域，以包括更复杂的软件。
人机交互的选择架构
人机交互领域的人们已经学到了很多关于如何说服和影响计算技术用户的知识。他们对如何帮助用户自己选择的知识却少得多。是时候纠正这种不平衡了。第一步是将心理学和相关领域积累的大量相关知识组织成两个全面但易于记忆的模型：Aspect 模型通过描述选择者基于属性、社会影响、政策、经验、后果和反复试验交替或组合应用的六种选择模式来回答“人们如何做出选择？”的问题。Arcade 模型回答“我们如何帮助人们做出更好的选择？”的问题。通过描述支持选择的六种一般高级策略：访问信息和经验、表示选择情况、组合和计算、建议处理、设计域和代表选择者进行评估。这些策略可以通过简单的交互设计来实现，但每种策略也有特定的相关技术。结合这两个模型，我们可以理解几乎所有现有和可能的选择支持方法都是将一种或多种 Arcade 策略应用于一个或多个 Aspect 选择模式。在介绍人机交互的选择架构思想以及 Aspect 和 Arcade 模型的关键思想之后，我们将详细讨论每个 Aspect 模式，并展示如何将高级 Arcade 策略应用于它以产生特定的策略。然后，我们将这两个模型应用于在线社区和隐私领域。我们的大多数示例涉及使用计算技术的选择，但这些模型同样适用于在计算技术的帮助下做出的日常选择。
人机相互作用作为活性推理
为了与机器人无缝互动，用户必须推断机器人行为的原因 - 并对该推断（及其预测）保持一致。因此，信任是人类机器人协作（HRC）的必要条件。然而，尽管它具有至关重要的作用，但它仍然在很大程度上未知信任如何出现，发展和支持人类与技术系统的关系。在以下论文中，我们回顾了有关信任，人类机器人相互作用，HRC和人类互动的文献。早期的信任模型表明，这是仁慈与能力之间的权衡；尽管对人类互动的研究强调了共同行为和相互知识在逐步建立信任中的作用。我们继续引入一种信任模型，作为代理商的最佳解释，以与扩展的汽车厂或合作伙伴进行可靠的感觉交流。该模型基于主动推论的认知神经科学，并建议在HRC的背景下，可以根据对人工药物的虚拟控制来施放信任。交互式反馈是扩展受托人感知行动周期的必要条件。该模型对理解人类机器人的互动和协作具有重要意义，因为它允许人类信任的传统决定因素，例如归因于受托人的仁慈和能力，可以根据层次的主动推断来定义，而可以用信息交换和授权来描述脆弱性。此外，该模型强调了用户反馈在HRC期间的作用，并建议在个性化互动中使用无聊和惊喜作为对系统过度依赖的标志。将信任作为虚拟控制感的描述为扎根人为因素而在认知神经科学领域迈出了至关重要的一步，并改善了以人为中心的技术的设计。此外，我们研究了共同行为在信任起源中的作用，尤其是在二元协作的背景下，这对人类机器人协作系统的可接受性和设计产生了重要的后果。