一人监督多机时注意力被分割
别名: 多机监督 · fan-out
概念解释
当一名操作者需要同时监督多台机器人（multi-robot supervision）时，注意力必须在各台机器人之间分割，单台机器人能获得的持续关注度随监督数量增加而下降。这个关系可以用监督控制理论里的忽视容忍度与扇出（neglect tolerance / fan-out）模型定量刻画：每台机器人都有一个"忽视容忍时间"——不被关注的时间一旦超过这个值，它的性能就会跌到不可接受的水平以下；操作者与每台机器人完成一次有效互动，又需要一段"交互时间"。理论上可支持的最大同时监督数量，即扇出，大致等于忽视容忍时间与交互时间的比值。
机制
这个模型真正有用的地方，不在于给出一个数字，而在于把"能带几台机器人"拆成两个可以分别改进的量。忽视容忍时间取决于机器人本身的自主可靠程度——自主决策越稳、越不需要人来兜底，忽视容忍时间就越长；交互时间取决于人机接口的效率——同一次状态核查或指令下达，界面设计得好可以在几秒内完成，设计得差可能要几十秒。这意味着提升监督规模有两条互相独立的路径：一是投入资源让机器人更自主，二是优化交互界面缩短每次介入的时间，而不是简单要求操作者"更专注"或延长训练。这两个量本身还会随任务阶段变化——机器人在开阔地带巡航时忽视容忍时间长，一旦进入精细操作或未知环境，需要的关注频率骤增，忽视容忍时间随之缩短，扇出的理论上限也就跟着下降，不是一个可以写死在编队配置表里的常数。交互时间本身还可以再拆一层：它包含感知当前状态、做出判断和实际下达指令三个子步骤，界面如果支持把多条指令合并成一次交互完成（比如一次性排好多个航点，而不是每到一个航点就重新确认一次），可以在不提升机器人自主水平的前提下单独压缩交互时间，这是和"让机器人更自主"并列的第三条独立杠杆。
怎么研究
这类研究通常让操作者在受控任务中同时监督不同数量的机器人，系统性改变机器人的自主程度和界面设计，测量整体任务完成率、每台机器人相对单独监督时的性能下降幅度，以及操作者的主观工作负荷量表；再用观测到的性能拐点去拟合忽视容忍时间和交互时间，检验理论预测的扇出上限是否成立。部分工作还会记录操作者在不同编队规模下的视线切换频率和响应延迟，作为主观工作负荷量表之外的交叉验证。
边界
忽视容忍时间和交互时间不是固定参数，理论扇出值只在任务阶段、机器人自主水平和界面设计都保持不变的窗口内成立，同一支编队换一个任务阶段就可能需要重新估计。操作者之间的个体差异——多任务处理能力、对该机型的熟悉程度、当下的疲劳状态——也会让实际能承受的编队规模明显偏离理论值，理论值只能当作规划编队规模的参考上限，不能直接作为人员配置的硬性指标。忽视容忍时间的数值还依赖于"不可接受的性能水平"这个阈值本身怎么定义，导航任务里偏离航线一段距离通常可以容忍，精细操作任务里同样的疏忽可能直接导致任务失败，同一个忽视容忍时间的数字在不同任务类型里对应的实际风险并不等价，套用别的任务测出的数值会系统性高估或低估真实容量。
怎么落地
设计多机器人监督系统时，先针对目标任务测出机器人实际的忽视容忍时间和典型交互时间，据此估算编队规模的合理上限，而不是凭经验设一个人机比例；验证办法是让代表性操作者在真实任务或高保真仿真里试跑目标编队规模，监测是否出现因关注不及时导致的性能下降或错误率上升，一旦出现就要么缩小编队，要么优先投入提升机器人的自主恢复能力，而不是指望操作者靠意志力补上这段差距。