发布时间：2019-12-28 分类： 行业资讯
本文重点介绍基于工作任务的商业机器人（如安全机器人和后勤外卖机器人）
本文介绍了基本HRI（人机交互）模型中的重要设计概念。似乎有一些数学公式，但并不尴尬。作者已经剥夺了一整套知识。只要你阅读内容，我相信收获会很棒。
能够在没有人为干预的情况下执行各种任务的自主机器人是最终的边际目标。具体来说，我们真正想要的机器人是，当我们有需求时，机器人可以完成我们期望的任务，而不是他们主动做他们想做的任何事情。我们对可以代表生命形式的机器人不感兴趣。我们感兴趣的是可以帮助我做事的努力。所以，在真正的AI问世之前。在技术范围内设计机器人的实际和有意义的目的是利用机器人利用人力（劳动力）的能力
因此，在本文中，我们提出了七个概念来评估机器人是否足够有效地指导人机交互的设计，它们是：
任务完成（TE=任务有效性）
独立时间（忽略时间）
任务复杂性（Tast Complexity）
独立能力（NT=忽视容忍度）
注意力成本（RAD=机器人注意力需求）
空闲时间（FT=空闲时间）
杠杆倍数（FO=扇出）
首先，任务完成能力（TE=任务有效性）
任务完成是衡量任务实际执行情况的指标。不同任务类型的机器人具有不同的任务完成能力。例如：
对于驾驶和导航物流机器人的任务，我们认为任务完成力是“从A点到B点所需的时间”。
在建筑物中服务机器人的搜索任务中，我们可以测量查找所有目标的时间或在给定时间内找到的目标数量。
在安全机器人的攻击任务中，我们可能需要测量目标的损坏和损失。
对于设计团队和产品经理而言，评估机器人交互的第一步是根据核心任务确定核心任务和设计评估指标（任务完成）。
第二，独立时间（NT=忽视容忍度）
独立持续时间是机器人执行任务的能力随着时间的推移而降低的程度，因为用户忽略了机器人。通常，在物镜的效果和时间之间存在下图的特征曲线。
曲线显示，当用户最后注意到机器人的时间时，机器人的当前任务完成力会减小。例如，对于开放空间导航问题，我们可以将当前任务完成力定义为机器人向目标移动的速度。由于用户长时间忽略它，自动前进的能力将更糟。我们定义机器人可以完成任务下的最小任务完成力作为阈值（Treshold），并获得以下曲线。
在某些情况下，简单机器人的任务完成力不随时间变化，但是“完全”和“不能完全”，0和1之间的关系发生变化，因此曲线变为下图，（但是不影响随后的模型分析。因为如果我们假设机器人失效的概率，复合高斯分布，总体而言，在多机器人团队的情况下，整体机器人的性能仍然会回显上图的梯度曲线）
三，任务复杂度（Tast Complexity）
这个指标比较简单。以巡逻机器人为例，在行人较多的复杂道路上巡逻将面临高度的任务复杂性。在封闭的情况下，当路障较少巡逻时，任务复杂性将降低。在实际的任务场景中，传感器错误或其他车辆障碍物以及不平坦的地形会导致任务复杂性增加。
四，独立能力（NT=忽视宽容）
当引入任务复杂性的概念时，我们发现分别评估独立时间是没有意义的，因此我们引入“独立能力”的概念，参见下图中的“独立能力”曲线。 （如果一个机器人团队拥有更好的技术，如强烈的环保意识，机械结构不易拆卸，轮式自控覆盖范围广，它可以有效提高机器人的“独立能力”。
对于产品经理和设计师而言，如何在团队的技术能力范围内有效使用“独立能力”是一个主要考虑因素。
5. RAD=机器人注意力需求
由于我们的机器人设计的目的是“利用人类用户的注意力”，因此我们需要引入“注意力有效性”的概念。
注意力成本=互动成本/（互动成本+独立能力）
*其中，“交互成本”仅仅是用户对机器人的辅助操作或任务校正的操作，以便每当机器人的“任务完成力”降低到阈值以下时让机器人继续完成任务。 。成本，即交互所需的时间。
为了注意效果，RAD可以理解为，为了完成任务，用户对机器人的成本有效管理。
空闲时间（
简单来说，空闲时间=1.0–注意力有效性
该指标将在稍后引用。
7.杠杆倍数（FO=扇出）
杠杆倍数=1.0 /注意力有效性=（交互成本+独立能力）/交互成本
在实际情况中，如果是为了更好地“利用”用户的人力，则用户同时操作多个机器人是很重要的。 “人机协作”模式。这个人机器人团队的模型极大地提高了人们的能力。总的来说，为了增加FO的杠杆比率“设计师和产品经理需要找到减少“交互时间”或尝试增加“独立时间”的方法。
例如，机器人在巡逻任务中判断危险情况越准确，机器人的“独立能力”越强;当机器人遇到多个传感器输入时，如果系统更多地了解用户需要什么类型的信息，首先要回传用户最需要的信息，那么“交互成本”就会降低。类似地，如果机器人可以在用户做出判断时给出用于辅助决策的建议或选项，那么“交互成本”也将降低。这些目标是增加用户“关注有效性”，从而增加机器人对人类用户的“杠杆倍数”。简而言之，它是一个允许用户更有效地管理更多机器人的团队。 。
在实际情况下，当用户可以同时控制和管理更多机器人时，团队的整体“任务完成能力”更高。但实际上。由用户操作的机器人带来的“任务完成力”与团队中的“机器人数量”相关。
实际上，即使用户理论上可以管理N个机器人，当机器人的数量很大时，机器人团队的整体任务完成能力也会饱和。如此逼真的约束使用户无法管理更多机器人来承担当前任务。这种约束有许多实际原因，包括物理限制和用户认知限制。下一篇文章将具体分析如何改进这些限制。 （重要的干货）
通常，任务饱和有两个可能的原因：
任务太简单了：当任务非常简单时，可能会发生许多机器人正在工作并且团队的绩效不会提高。例如，在一个小公园巡逻任务不需要很多机器人来跑来跑去。换句话说，任务空间太拥挤了。机器人可以收集和感知重叠的大部分信息。它们甚至会相互阻挡并导致拥堵。 （解决此问题需要产品经理更全面地了解业务情景）
用户的认知局限：主要是记忆。当控制多个机器人时，人类必须记住机器人状态信息，接口模式，机器人能力等。这需要工作记忆，因为只有有限数量的信息可以存储在用户的短期记忆中。 （解决这个问题需要用户研究人员更深入地了解最终用户的使用习惯，并要求相互设计人员设计更好的信息结构显示形式和结构）
总结
为了提升机器人的商业价值（人力资源的杠杆作用）：设计师和产品经理需要主要考虑如何提高“独立能力NT”，降低“互动成本IE”，有效提高“注重效率” ”。
与此同时，产品经理需要更好地了解现实生活中的业务场景，并找到最能描述机器人任务功能的“任务复杂性”。
同样，设计师需要更好地了解用户的使用习惯，以解决用户有限的交互和认知能力下的“任务饱和”问题。
随后的文章提出了实现上述目标的建议和具体设计方案。
本文是“AI机器人交互设计模型（被CMU和NASA多次引用）”系列文章中的第一篇。本系列文章借鉴了奥尔森和古德里奇的经典论文“用于评估人机交互的度量”和Scholtz的“理论与人机交互的评估”。作者是欧洲创新与技术研究所HCI，最近开始创业的低速自动化。驾驶。在阅读CMU和NASA的文章时，我发现这篇论文被多次提到过。经过仔细研究，我找到了干货这个词，所以我把它吸收并输出给大家。
