你的每一个动作：延迟条件下的近未来运动可视化用于远程机器人

文献标题

Every Move You Make: Visualizing Near-Future Motion Under Delay for Telerobotics

出版信息

• 主题领域: 用预测可视化缓解延迟远程操作中的操作者不确定性。
• 关键词: 远程机器人技术，通信延迟，预测显示，轨迹可视化，前馈界面，操作者不确定性，认知负荷，人机交互，远程操作界面，延迟反馈。

背景与问题

• 问题/挑战: 远程机器人技术中的通信延迟使操作者输入与机器人反馈脱节，产生三种不同的不确定性：通信（指令执行的时间）、轨迹（输入与运动的映射）和环境（外部因素改变结果）。现有的预测显示通常将延迟视为单一问题，未能全面解决这些不确定性。
• 重要性: 在行星探索和灾害响应等高风险应用中，延迟会干扰控制并增加认知负荷，迫使操作者采用反应性行为，从而降低性能。
• 动机与相关工作: 先前研究表明预测显示可以帮助预测延迟响应，但很少区分不确定性来源或考虑概率因素。本文旨在通过将延迟分解为其组成的不确定性，并评估针对每种不确定性设计的可视化策略来填补这一空白。

解决方案

• 提出的方法: 开发并评估三种预测可视化方法——Network、Path 和 Envelope，分别外化通信、轨迹和环境的不确定性。
• 创新点:
  1. 将延迟分解为三种操作者不确定性：通信、轨迹和环境。
  2. 引入三种针对这些不确定性设计的可视化技术：Network（指令时间）、Path（预测运动）和 Envelope（可能的偏差）。
  3. 在固定 2.56 秒往返延迟的控制研究中对这些可视化进行实证评估。
  4. 证明基于轨迹的可视化（Path）显著提高了性能并减少了认知负荷，而其他两种方法则未能达到相同效果。
• 过程与关键技术:
  1. 设计 UNITE，一个基于 Unity 的模拟环境，可配置延迟、噪声和地形。
  2. 实现三种可视化方法：
     • Network: 显示指令执行时间线以外化通信延迟。
     • Path: 投射预测运动轨迹以解决轨迹不确定性。
     • Envelope: 可视化最坏情况下的偏差范围以传达环境不确定性。
  3. 在控制研究中，24 名参与者在延迟条件下导航模拟机器人，比较这些可视化与延迟视频基线的效果。

结果

• 具体发现:
  • Path 可视化减少了任务完成时间（中位数 135.2 秒 vs. 基线 209.9 秒）和认知负荷（NASA-TLX 心理需求分数：7.29 vs. 基线 13.21）。
  • Envelope 可视化减少了认知负荷（9.25），但未改善任务性能。
  • Network 可视化未显示出相较基线的显著改进。
• 相较基线的优势:
  • Path 可视化实现了主动控制，减少了对反应性“移动-等待”行为的依赖（中位暂停次数：1.0 vs. 基线 5.0）。
  • Path 在感知控制、易于理解和减少挫败感方面评分最高。
• 实验/评估:
  • 在固定 2.56 秒延迟条件下，24 名参与者在类似月球地形中进行导航的被试内设计。
  • 评估指标：任务完成时间、认知负荷（NASA-TLX）、反应性行为和主观评分。
  • 统计分析：Friedman 检验及事后 Wilcoxon 比较、混合效应建模和主题性定性分析。
• 局限性与未来工作:
  • 固定延迟未包含真实网络中的可变性。
  • 静态地形限制了对动态环境的普适性。
  • 初学者参与者可能无法反映专家操作者的行为。
  • 未来工作应探索可变延迟、动态环境以及信任和情境意识等长期构建。

总结

本研究通过将操作者的不确定性分解为通信、轨迹和环境三个方面，并评估针对每种不确定性设计的可视化方法，解决了延迟远程操作中的挑战。Path 可视化通过投射近期未来运动显著提高了任务性能并减少了认知负荷，使主动控制成为可能。相比之下，Network 和 Envelope 可视化虽然提供了有用信息，但未能将其转化为可操作的控制改进。这些发现强调了将预测提示与操作者必须做出的空间决策对齐的重要性，为设计延迟条件下的有效远程操作界面提供了明确的方向。