物理人机交互中的眼睛跟踪:心理工作量和性能预测

科学领域:

• 人与机器人的交互
• 认知科学 认知科学
• 机器人技术 机器人技术 机器人技术

背景情况:

• 物理人机交互 (pHRI) 需要学习机器人动态,增加认知负载.
• 眼睛跟踪指标提供了对学习过程中心理工作量波动的见解.

研究的目的:

• 评估眼睛追踪在pHRI中的任务难度变化方面的灵敏度和可靠性.
• 评估eye-tracking在人机协作中的性能预测能力.

主要方法:

• 参与者用双手机器人执行了一个虚拟的选择和放置任务.
• 机器人关节硬度被操纵以改变运动协调需求.
• 研究了眼球追踪测量和性能预测的心理测量特性.

主要成果:

• 静止凝视和瞳孔直径显示出高可靠性和对工作负载变化的敏感性.
• 任务难度增加导致了更多的机器人监控策略.
• 眼睛追踪预测了试验的成功/失败,灵敏度为70%,准确度为71%.

结论:

• 眼睛追踪测量显示了对pHRI工作负载的可接受的灵敏度和可靠性.
• 指示视觉监控的凝视行为对任务难度敏感.
• 为了了解工作负载和内部模型形成,需要进一步探索pHRI中的眼睛跟踪.