中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

本篇文主要關注基于工作任務的商用機器人（如安防機器人和物流外賣機器人）

這篇文章會介紹基本的HRI（人－機器人交互）模型中重要的設計概念?？瓷先ビ行祵W公式，但其實并不晦澀，筆者已經將一整套知識抽絲剝繭。只要跟著內容讀下去，相信收獲會很大。

能夠進行各種任務而無需人為干預的自主機器人是最終的邊際目標。具體來講，我們對機器人真正想要的是：當我們有需求時候機器人能夠完成我們期望的任務，而不是他們主動地完成任何他們想要的東西。我們對能代生命形式這種機器人不感興趣，我們對能幫我萌做事情的努力感興趣。所以，在真正的AI出來之前。我們在技術邊界內設計機器人的實際且有意義的目的是：通過機器人能自動能力來杠桿人類的注意力（勞動力）

因此，在本文中我們提出了七個概念用來評估如果機器人是否夠高效的指標，以指導人機交互的設計，他們是：

• 任務完成力（TE＝Task Effectiveness）
• 獨立時間（Neglect Time）
• 任務復雜度 (Tast Complexity)
• 獨立能力 （NT=Neglect Tolerance）
• 注意力成本（RAD=Robot Attention Demand）
• 自由時間（FT=Free Time）
• 杠桿倍數（FO=Fan Out）

一、任務完成力（TE＝Task Effectiveness）

任務完成力是對任務實際執行情況的一個衡量標準。不同任務類型的機器人有不同的任務完成力。比如：

對于物流機器人在駕駛和導航的任務下，我們認為任務完成力是“從A點到B點所需的時間”。

在樓內服務機器人的搜索任務中，我們可以測量找到所有目標或在給定時間內發現的目標數量的時間。

在安防機器人的攻擊任務中，我們可能需要測量目標被破壞和損失。

對于設計團隊和產品經理來講，評估機器人交互的第一步就是先確定核心任務，并根據最核心的任務設計出評估指標（任務完成力）。

二、獨立時間（NT=Neglect Tolerance）

獨立時長是當機器人被用戶忽略時，機器人執行任務的能力隨著時間的推移而下降的程度。 通常情況下，任務完成力（Effectiveness）和時間（Time）之間存在下圖的特征曲線。

該曲線顯示，機器人當前的任務完成力隨著用戶上次注意機器人的時間而下降。例如：對于開放空間的導航問題，我們可以將當前任務完成力定義為機器人朝著目標邁進的速度。隨著用戶忽視它的時間越久，自主前進的能力就會越差。 我們定義，機器人可以完成任務下的最低任務完成力為閾值（Treshold），便得到如下曲線。

在一些情況下，簡單機器人的任務完成力隨著時間的下降并不是漸變的而是“完全能”與“完全不能”這二者之間0和1的關系，因此曲線變為下圖，（但是并不影響后續的模型分析。因為如果我們假設機器人出現故障的幾率復合高斯分布，則整體來看，多機器人團隊的情況下，整體機器人的效能仍然會附和上圖的漸變曲線）

三、任務復雜度 (Tast Complexity)

這個指標比較簡單，以巡邏機器人為例子，在一個復雜道路，行人較多的環降下巡邏就會面臨高任務復雜度。在一個封閉場合，路障較少的情況下巡邏，任務復雜度就會較低。 在實際任務場景中，傳感器錯誤，或其他車輛障礙物，以及不平坦地形都可能導致任務的復雜性增加。

四、獨立能力 （NT=Neglect Tolerance）

當引入任務復雜度這個概念后，我們會發現單獨評估獨立時間是沒有意義的，于是我們引入“獨立能力”這個概念，見下圖中“獨立能力”的曲線。（如果一個機器人團隊的技術較好，如環境感知能力強，機械結構不易宕機，輪式自控覆蓋路形廣。則可以有效提高機器人的“獨立能力”。

對于產品經理和設計師來說，如何在團隊的技術能力邊界內有效的利用“獨立能力”完成更多的復雜任務是需要著重考慮的。

五、注意力效力（RAD=Robot Attention Demand）

由于我們設計機器人的目的是“杠桿人類用戶的注意力”，那么就需要引入“注意力效力”的概念。

注意力成本＝交互成本／(交互成本＋獨立能力）

＊其中“交互成本”，簡單來說是用戶為了讓機器人繼續完成任務，每次在機器人的“任務完成力”降低到閾值以下，對機器人進行的輔助操作或任務修正時的操作成本，也就是交互所需的時間。

對于注意力效力RAD可以理解為，為了完成一個任務，用戶對機器人的管理成本的性價比。

六、自由時間（Free Time）

簡單來說，自由時間＝1.0 – 注意力效力

后續會引用此指標。

七、杠桿倍數（FO=Fan Out）

杠桿倍數＝1.0 / 注意力效力 ＝( 交互成本+獨立能力 ) / 交互成本

在實際場景中，如果為了更好的“杠桿”用戶的人力，則一個用戶同時操作多個機器人是重要的“人－機器人協作”模式。這種人－機器人團隊的模式大大提升了人的能力。整體上，為了增加“杠桿倍數FO”，設計師和產品經理需要想盡辦法減小“交互時間”，或想盡辦法增大“獨立時間”

例如，在巡邏任務時，機器人對危險情況判斷的越準確，則機器人的“獨立能力”越強；當機器人遇到多傳感器輸入時，如果系統更懂用戶所需哪種信息，第一時間回傳用戶最所需的信息，則“交互成本”會被降低。類似，如果機器人能在用戶做判斷時給出輔助決策的建議或選項，則“交互成本”也會被降低。 這些目的都是為了增加用戶的“注意力效力”，從而增加機器人對人類用戶的“杠桿倍數”，簡單來說，就是讓一個用戶可以更高效的支配管理更多的機器人的團隊。

在實際情況下，當用戶可以同時支配和管理更到的機器人，則團隊整體的“任務完成力”就越高。但實際情況下。一個用戶操作的機器人帶來的“任務完成力”與團隊里“機器人數量”呈現下圖關系。

實際情況下，即使理論上一個用戶可以支配管理N個機器人，但是當機器人數量較多時，機器人團隊的整體任務完成力就會達到飽和。因此現實的約束使得用戶不可能支配管理更多的機器人承擔當前的任務。這個約束是有很多現實原因的，包括物理限制與用戶認知限制。下篇文章會具體分析如何提升這些限制。（重要干貨）

通常情況下，任務飽和可能出現兩個原因：

任務過于簡單：當任務很簡單時，可能會發生這樣的事情，即將很多機器人在工作，團隊的性能也不會提高。例如，在一個很小的園區里的巡邏任務，并不需要很多的機器人跑來跑去。換句話說就是，任務空間太擁擠。機器人所能收集和感知的信息大部分重疊。甚至會相互阻擋，造成擁堵。（解決此問題需要產品經理更充分地理解商業場景）
用戶的認知限制：主要是記憶。在控制多個機器人時，人類必須記住機器人狀態信息，界面模式，機器人能力等。這就要求工作記憶，因為只有有限數量的信息可以存儲在用戶的短期記憶中。（解決此問題需要用戶研究人員更深入地理解終端用戶的使用習慣交，需要互設計師設計更好的信息結構展示形式和結構）

總結

為了提升機器人的商業價值（對人力的杠桿力）：設計師和產品經理需要主要考慮如何提升“獨立能力NT”和降低“交互成本IE”從而有效提升“注意力效力”。

與此同時，需要產品經理更好的洞察現實的商業場景，找到最能體驗機器人任務能力的“任務復雜度”。

類似的，設計師需要更好的理解用戶的使用習慣，從而在用戶有限的交互認知能力下解決“任務飽和”的情況。

后續文章給出建議和具體設計方案來達到上述目的。

本篇文章是系列文章“AI機器人交互設計模型（被CMU和NASA多次引用）”的第一篇。本系列文章部分借鑒Olsen與Goodrich的經典論文“Metrics for Evaluating Human-Robot Interactions” 以及Scholtz 的“Theory an Evaluation of Human Robot Interaction”.筆者是歐盟創新技術院HCI專業，最近在創業做低速自動駕駛。在讀CMU和NASA的文章時發現這片論文被多次引用提及。仔細研究后發現字字干貨，于是吸收整理后輸出給大家。

本文由 @石大大 原創發布于人人都是產品經理。未經許可，禁止轉載。