AI机器人交互设计模型 (一）评估机器人交互的七大指标

　　本篇文次要存眷基于事情使命的商用机械人(如安防机械人战物流中卖机械人)

　　那篇文章会引见根本的HRI(人-机械人交互)模子中主要的设想观点。看上来有些数教公式，但实在其实不艰涩，笔者曾经将一整套常识抽丝剥茧。只需随着内容读下来，信赖播种会很年夜。

　　可以停止各类使命而无需报酬干涉的自立机械人是终极的边沿目的。详细去讲，我们对机械人实正念要的是：当我们有需供时分机械人可以完成我们希冀的使命，而没有是他们自动天完成任何他们念要的工具。我们对能代死命情势那种机械人没有感爱好，我们对能帮我萌干事情的勤奋感爱好。以是，正在实正的AI出去之前。我们正在手艺鸿沟内设想机械人的实践且故意义的目标是：经由过程机械人能主动才能去杠杆人类的留意力(劳动力)

　　因而，正在本文中我们提出了七个观点用去评价假如机械人能否够下效的目标，以指点人机交互的设想，他们是：

　　使命完成力(TE=Task Effectiveness)

　　自力工夫(Neglect Time)

　　使命庞大度 (Tast Complexity)

　　自力才能 (NT=Neglect Tolerance)

　　留意力本钱(RAD=Robot Attention Demand)

　　自在工夫(FT=Free Time)

　　杠杆倍数(FO=Fan Out)

　　1、使命完成力(TE=Task Effectiveness)

　　使命完成力是对使命实践施行状况的一个权衡尺度。差别使命范例的机械人有差别的使命完成力。好比：

　　关于物流机械人正在驾驶战导航的使命下，我们以为使命完成力是“从A面到B面所需的工夫”。

　　正在楼内效劳机械人的搜刮使命中，我们能够丈量找到一切目的或正在给按时间内发明的目的数目的工夫。

　　正在安防机械人的进犯使命中，我们能够需求丈量目的被毁坏战丧失。

　　关于设想团队战产物司理去讲，评价机械人交互的第一步便是先肯定中心使命，并按照最中心的使命设想出评价目标(使命完成力)。

　　2、自力工夫(NT=Neglect Tolerance)

　　自力时少是当机械人被用户疏忽时，机械人施行使命的才能跟着工夫的推移而降落的水平。 凡是状况下，使命完成力(Effectiveness)战工夫(Time)之间存正在下图的特性直线。

　　该直线显现，机械人当前的使命完成力跟着用户前次留意机械人的工夫而降落。比方：关于开放空间的导航成绩，我们能够将当前使命完成力界说为机械人晨着目的迈进的速率。跟着用户无视它的工夫越暂，自立行进的才能便会越好。 我们界说，机械人能够完成使命下的最低使命完成力为阈值(Treshold)，便获得以下直线。

　　正在一些状况下，简朴机械人的使命完成力跟着工夫的降落其实不是突变的而是“完整能”取“完整不克不及”那两者之间0战1的干系，因而直线变成下图，(可是其实不影响后绝的模子阐发。果为假如我们假定机械人呈现毛病的概率复开下斯散布，则团体去看，多机械人团队的状况下，团体机械人的效能仍旧会拥护上图的突变直线)

　　3、使命庞大度 (Tast Complexity)

　　那个目标比力简朴，以巡查机械报酬例子，正在一个庞大门路，止人较多的环降下巡查便会晤临下使命庞大度。正在一个封锁场所，路障较少的状况下巡查，使命庞大度便会较低。 正在实践使命场景中，传感器毛病，或其他车辆停滞物，和不服坦天形皆能够招致使命的庞大性删减。

　　4、自力才能 (NT=Neglect Tolerance)

　　当引进使命庞大度那个观点后，我们会发明零丁评价自力工夫是出故意义的，因而我们引进“自力才能”那个观点，睹下图中“自力才能”的直线。(假如一个机械人团队的手艺较好，如情况感知才能强，机器构造不容易宕机，轮式自控笼盖路形广。则能够有用进步机械人的“自力才能”。

　　关于产物司理战设想师去道，怎样正在团队的手艺才能鸿沟内有用的操纵“自力才能”完成更多的庞大使命是需求偏重思索的。

　　5、留意力效率(RAD=Robot Attention Demand)

　　因为我们设想机械人的目标是“杠杆人类用户的留意力”，那末便需求引进“留意力效率”的观点。

　　留意力本钱=交互本钱/(交互本钱+自力才能)

　　*此中“交互本钱”，简朴去道是用户为了让机械人持续完成使命，每次正在机械人的“使命完成力”低落到阈值以下，对机械人停止的帮助操纵或使命改正时的操纵本钱，也便是交互所需的工夫。

　　关于留意力效率RAD能够了解为，为了完成一个使命，用户对机械人的办理本钱的性价比。

　　6、自在工夫(Free Time)

　　简朴去道，自在工夫=1.0 – 留意力效率

　　后绝会援用此目标。

　　7、杠杆倍数(FO=Fan Out)

　　杠杆倍数=1.0 / 留意力效率 =( 交互本钱+自力才能 ) / 交互本钱

　　正在实践场景中，假如为了更好的“杠杆”用户的人力，则一个用户同时操纵多个机械人是主要的“人-机械人合作”形式。那种人-机械人团队的形式年夜年夜提拔了人的才能。团体上，为了删减“杠杆倍数FO”，设想师战产物司理需求念尽法子加小“交互工夫”，或念尽法子删年夜“自力工夫”

　　比方，正在巡查使命时，机械人对伤害状况判定的越精确，则机械人的“自力才能”越强;当机械人逢到多传感器输进时，假如体系更懂用户所需哪一种疑息，第一工夫回传用户最所需的疑息，则“交互本钱”会被低落。相似，假如机械人能正在用户做判定时给出帮助决议计划的倡议或选项，则“交互本钱”也会被低落。 那些目标皆是为了删减用户的“留意力效率”，从而删减机械人对人类用户的“杠杆倍数”，简朴去道，便是让一个用户能够更下效的收配办理更多的机械人的团队。

　　正在实践状况下，当用户能够同时收配战办理更到的机械人，则团队团体的“使命完成力”便越下。但实践状况下。一个用户操纵的机械人带去的“使命完成力”取团队里“机械人数目”显现下图干系。

　　实践状况下，即便实际上一个用户能够收配办理N个机械人，可是当机械人数目较多时，机械人团队的团体使命完成力便会到达饱战。因而理想的束缚使得用户不成能收配办理更多的机械人负担当前的使命。那个束缚是有许多理想本果的，包罗物理限定取用户认知限定。下篇文章会详细阐发怎样提拔那些限定。(主要干货)

　　凡是状况下，使命饱战能够呈现两个本果：

　　使命过于简朴：当使命很简朴时，能够会发作那样的工作，行将许多机械人正在事情，团队的机能也没有会进步。比方，正在一个很小的园区里的巡查使命，其实不需求许多的机械人跑去跑来。换句话道便是，使命空间太拥堵。机械人所能搜集战感知的疑息年夜部门堆叠。以至会互相阻挠，形成拥堵。(处理此成绩需求产物司理更充实天文解贸易场景)

　　用户的认知限定：次要是影象。正在掌握多个机械人时，人类必需记着机械人形态疑息，界里形式，机械人才能等。那便请求事情影象，果为只要有限数目的疑息能够存储正在用户的短时间影象中。(处理此成绩需求用户研讨职员更深化天文解末端用户的利用风俗交，需求互设想师设想更好的疑息构造展现情势战构造)

　　总结

　　为了提拔机械人的贸易代价(对人力的杠杆力)：设想师战产物司理需求次要思索怎样提拔“自力才能NT”战低落“交互本钱IE”从而有用提拔“留意力效率”。

　　取此同时，需求产物司理更好的洞察理想的贸易场景，找到最能体验机械人使命才能的“使命庞大度”。

　　相似的，设想师需求更好的了解用户的利用风俗，从而正在用户有限的交互认知才能下处理“使命饱战”的状况。

　　后绝文章给出倡议战详细设想计划去到达上述目标。

　　本篇文章是系列文章“AI机械人交互设想模子(被CMU战NASA屡次援用)”的第一篇。本系列文章部门鉴戒Olsen取Goodrich的典范论文“Metrics for Evaluating Human-Robot Interactions” 和Scholtz 的“Theory an Evaluation of Human Robot Interaction”.笔者是欧盟立异手艺院HCI专业，近来正在创业做低速主动驾驶。正在读CMU战NASA的文章时发明那片论文被屡次援用说起。认真研讨后发明字字干货，因而吸取收拾整顿后输出给各人。