谁在控制？理解AR辅助建筑装配中的用户代理

研究背景与问题

• 作者发现的问题或挑战： 作者发现，AR（增强现实）辅助的自动化内容适配可以显著改善用户的操作效率和任务结果，但这种自动化也会改变用户的控制能力和任务自主性。这种自动化可能导致用户对系统行为的困惑和对任务决策权的感知下降，这种权衡目前尚未在AR辅助系统中充分研究。

• 为什么这个问题重要： 研究用户在AR系统中的控制与自主性对于增强用户体验、提高任务效率以及支持长时间工作至关重要。尤其是在建筑行业，这个领域面临劳动力短缺和高工作场所伤害率问题，研究如何优化人机协作和自动化系统有助于解决这些行业瓶颈。

• 研究动机与相关工作： 尽管研究人员对AR系统性能和内容适配进行了广泛研究，但对用户代理（agency）的影响却鲜有探讨。现有文献更多关注整体系统性能，而非减弱用户控制力对用户心理、任务完成效率及工作满意度的影响。本研究的动机是在建筑组装这一复杂场景下，探索高代理（高用户控制能力）与低代理（低用户决策参与度）之间的权衡。

解决方案

• 作者提出的解决方案： 作者设计了两种交互模式的头戴式AR辅助系统：

  1. 高代理模式：用户主动触发系统行为，例如手动选择任务提示步骤。
  2. 低代理模式：系统自动按固定时间间隔触发任务提示，无需用户输入。

  同时，研究涵盖了认知密集型和重复性体力密集型任务，通过实验评估两种模式下的用户体验、任务表现、心理需求以及工作负荷。

• 创新之处：

  1. 将用户代理和控制力的研究带入建筑任务场景，这是一个鲜少被研究过的领域。
  2. 创新性地将心理需求（自主性、胜任感）与工作负荷（NASA-TLX心理负担指数）结合起来，评估AR设计对用户的影响。
  3. 通过实验和半结构化访谈，将实验室结果与生态有效性（域专家的实际工作场景反馈）结合起来，实现多角度分析。

• 实施步骤与技术：

  1. 设计两种建筑组装任务：认知密集型（例如复杂木质连接）和体力密集型（例如重物搬运和摆放）。
  2. 开发头戴式AR系统，结合Unity平台和Rhino 3D建模工具生成任务内容，通过WebSocket实时控制交互。
  3. 招募24名实验参与者（大学生）和8名领域专家（职业木工），在两种代理模式下分别完成实验。
  4. 通过问卷调查（如NASA-TLX、SUS、BPNSS）和半结构化访谈收集数据。

研究成果

• 具体成果：

  1. 实验室研究发现，低代理模式降低了心理负荷，但在认知任务中会降低用户的自主性和系统可用性评分。
  2. 领域专家访谈揭示，与工厂日常任务相比，研究任务较少涉及大型元素操作、高变体性以及工地环境中复杂配置的实际挑战。

• 与现有解决方案的优势： 将用户代理研究与建筑行业紧密结合，为未来的AR设计提供了实际指导原则，使其更符合目标用户的需求，同时强调了低代理系统在新手用户训练中的潜力。

• 实验或评估结果：

  1. 心理负荷：低代理模式显著降低了心理负担，特别是在体力任务和复杂认知任务中。
  2. 自主性：高代理系统在较复杂任务中获得了更高的自主性评分。
  3. 性能：两种模式下任务完成表现无显著差异，但高代理系统表现出较快的步骤完成速度。
  4. 用户反馈：领域专家偏向于优先自主控制，但低代理的自动化功能在新手用户和特定情况下仍有优势。

• 局限性与未来方向：

  1. 样本量较小，实验参与者和领域专家主要集中于一个建筑公司和学生群体，未来研究需要扩展到更多样化的用户群体和建筑职业。
  2. 未充分评估长时间使用低代理系统对技能掌握和心理感知的影响，建议开展长期追踪研究。
  3. 工作任务的复杂性和环境特性没有全面覆盖，未来应该实施更复杂的任务类型，例如大型部件操作和团队协作。

本研究为建筑行业的AR设计提供了一系列重要见解，同时强调了用户代理与自动化系统之间的微妙权衡。未来的研究可以深化人机交互在长时任务中的影响，同时为不同使用场景的设计提供更丰富的生态验证。