Morae：主动暂停UI代理以供用户选择Peng 等人提出 Morae UI 代理系统，通过大模型自动识别决策点并暂停交互，使盲人用户能够参与选择过程，在真实网络任务中显著提升任务完成率和偏好匹配度。2025YPYi-Hao Peng et al.智能语音助手（Alexa、Siri 等）语音可访问性UIST
CodeA11y：使AI编码助手对可访问的网络开发有用Mowar 等人开发CodeA11y扩展，解决AI编码助手忽略可访问性问题，通过提醒和代码建议指导新手开发人员，符合WCAG标准的Web UI代码。2025PMPeya Mowar et al.Carnegie Mellon University, Robotics Institute生成式AI（文本、图像、音乐、视频）通用设计与包容性设计CHI
"这让我们真的能看到整个世界：" 为居家老年人设计对话式远程临场机器人Hu 等人设计了一款对话式远程临场机器人，通过需求发现和技术探测研究，识别出机器人引导探索与社交参与的关键作用，为居家老年人远程体验提供个性化交互方案。2024YHYaxin Hu et al.老年居家辅助系统远程操控与遥呈现（Telepresence）DIS
解构简单表象：与当地企业家共同设计生成式AI入门工作坊Kotturi 等人与本地创业中心合作，通过四次社区驱动的迭代工作坊帮助15位企业家消除生成式AI神秘感，强调创业力量并构建可行的AI应用方案2024YKYasmine Kotturi et al.Carnegie Mellon University生成式AI（文本、图像、音乐、视频）参与式设计（Participatory Design）CHI
COMPA：利用对话上下文在辅助交流中达成共识Valencia 等人开发COMPA工具，通过实时转录、上下文标记和短语辅助帮助AAC用户在在线群体对话中标记对话片段并生成回应，弥补交流速度不对称。2024SVStephanie Valencia et al.Carnegie Mellon University, University of Maryland College Park对话式聊天机器人多语言与跨文化语音交互增强与替代通信（AAC）CHI
从用户感知到技术改进：使口吃者更好地使用语音识别Lea 等人调查口吃者使用语音识别的困难，通过三项技术改进使系统中断减少79.1%，词错误率从25.4%降至9.9%，显著提升口吃者使用体验。2023CLColin Lea et al.Apple智能语音助手（Alexa、Siri 等）语音可访问性CHI
Diffscriber：描述视觉设计变化以支持混合能力协作演示文稿创作Peng等人开发了Diffscriber系统，通过识别和描述幻灯片内容、布局和风格变化，帮助视障演示者与视力正常合作者进行高效的混合能力协作演示文稿创作。2022YPYi-Hao Peng et al.视觉障碍者技术（屏幕阅读器、触觉图形、盲文）通用设计与包容性设计UIST
《情况复杂》：在种族、性别和残疾的图像描述中协商可访问性和（误）代表Bennett 等人通过访谈黑人、土著、有色人种及非二元性别屏幕阅读器用户，研究图像描述中种族、性别和残疾的表征伦理及AI偏见风险。2021CBCynthia L. Bennett et al.Carnegie Mellon University语音可访问性AI 伦理、公平与问责通用设计与包容性设计CHI
Twitter A11y：一个使Twitter图片可访问的浏览器扩展Gleason 等人开发 Twitter A11y 浏览器扩展，利用OCR和自动生成等六种方法为Twitter图片添加替代文本，将覆盖率从7.6%提升至78.5%，57.5%描述达高质量标准。2020CGCole Gleason et al.Carnegie Mellon University视觉障碍者技术（屏幕阅读器、触觉图形、盲文）CHI
替代和辅助沟通中的对话能动性Valencia 等人提出对话代理框架，通过研究增强型交流者、亲密伙伴和第三方间的对话任务，分析 AAC 用户交流的时间、内容和对象限制。2020SVStephanie Valencia et al.Carnegie Mellon University增强与替代通信（AAC）通用设计与包容性设计CHI
自动类发现和单次交互用于声学活动识别Wu 等人提出 Listen Learner 系统，通过一次交互标记实现自监督学习，在跨环境声学事件识别中达 97% 精度和 87% 召回率，同时保持非侵入式交互。2020JWJason Wu et al.Carnegie Mellon University & Apple Inc.人体姿态与行为识别环境感知与上下文计算CHI
亚马逊 Mechanical Turk 上工人收入的数据驱动分析Hara等人分析270万项MTurk任务数据，发现工人时薪中位数仅约2美元，仅4%超过7.25美元，揭示众包平台低薪现状并探讨高收入任务特征。2018KHKotaro Hara et al.Singapore Management University, Carnegie Mellon University众包任务设计与质量控制自动化对工作的影响CHI
Evorus：一款随着时间自动化的群力驱动的对话助手Huang 等人提出 Evorus 群策群力对话助手，通过集成新聊天机器人、重用群策群力答案和学习自动批准实现自我自动化，5个月测试表明可在保持质量的同时降低成本。2018THTing-Hao (Kenneth) Huang et al.Carnegie Mellon University智能语音助手（Alexa、Siri 等）对话式聊天机器人大语言模型（LLM）的人机协作CHI