实验室中评估生成式AI：方法论挑战与指南Park 等人通过分析四个GenAI集成原型实验，识别出五种方法论挑战并提出十八条实践建议，帮助研究人员在受控实验室环境中设计更透明、稳健的生成式AI系统评估方法。2026HPHyerim Park et al.BMW Group从论文到实践：面向人机交互研究与从业者的启示IUI
利用涂鸦和注释增强生成式人工智能图像细化：多模态提示的比较研究Park 等人比较文本、视觉及组合提示在GenAI图像细化中的效果，发现组合模态最优，视觉提示提升空间编辑效率，文本适合语义修改，30人实验验证其互补优势。2026HPHyerim Park et al.BMW Group共同创作：创意工作中的协作式 AI（1/2）IUI
生成式AI图像工具中的交互方法：HCI与行业趋势及设计机遇综述Park 等人综述37个GenAI图像工具，发现文本提示仍为主导输入，识别出9个设计机遇，为更易用、更支持创造力的AI图像系统设计提供方向。2026HPHyerim Park et al.University of StuttgartLLM 交互与生成式 AI 机制CHI
「你在做什么？」：代理型LLM车载助手在多步骤处理中的中间反馈效果研究Kirmayr 等人通过45人实验研究发现，代理型LLM车载助手的中间反馈显著提升感知速度、信任度与用户体验，降低任务负荷，并揭示用户偏好初期高透明度逐步过渡到低冗余的自适应反馈策略。2026JKJohannes Kirmayr et al.BMW Group驱动创新CHI
解析主观ADAS理解：以交通信号场景为例探讨情境复杂性因素Buchner等人通过46名参与者在六种交通信号场景中的混合方法研究，揭示情境复杂性影响驾驶员对ADAS的主观理解，为系统开发和用户培训提供参考。2025CBClaudia Buchner et al.抬头显示（HUD）与驾驶辅助系统（ADAS）AutoUI
面向所有人的数字表单：用于健康数据录入的整体多模态大语言模型代理Cuadra 等人提出多模态大语言模型代理，整合视觉、语音和文本输入实现自动化健康数据录入，降低表单填写负担。2024ACAndrea Cuadra et al.大语言模型（LLM）的人机协作运动障碍辅助输入技术心理健康应用与在线支持社区UbiComp
PASTEL：边缘计算中隐私保护的联邦学习Elhattab 等人提出 PASTEL 隐私保护联邦学习方案，应用于边缘计算环境。2024FEFatima Elhattab et al.生成式AI（文本、图像、音乐、视频）隐私设计与用户控制UbiComp
探索城市挑战：理解不同情境下的高级驾驶辅助系统Buchner 等人通过上路研究发现，城市环境下 ADAS 心智模型较不准确但可随经验改善，农村情境则快速学习后稳定，为 ADAS 交互场景评估提供重要依据。2024CBClaudia Buchner et al.抬头显示（HUD）与驾驶辅助系统（ADAS）AutoUI
提升 L2 自动驾驶系统的驾驶员参与度：完全共享纵向控制的影响Illgner 等人研究发现，完全共享纵向控制 L2 自动驾驶系统能促进更频繁的预见性制动，提升用户享乐体验和系统使用意愿，增强驾驶员参与度。2024JIJohannes Illgner et al.自动驾驶界面与接管设计抬头显示（HUD）与驾驶辅助系统（ADAS）AutoUI
自动驾驶中的分心：探索虚拟现实城市驾驶中的走神现象Currano 等人在VR纽约城市驾驶模拟中发现走神与专注状态在生理指标上存在差异，驾驶员错过关键事件或可作为走神检测的新指标。2024RCRebecca Currano et al.自动驾驶界面与接管设计眼动追踪与注视交互AutoUI
倾听声音：根据专家和频繁用户的描述阐述对话用户界面的伦理注意事项Mildner 等人通过27名研究人员、从业者和频繁用户访谈，提炼出CUI五个道德设计主题，建立CUI期望循环框架，为对话用户界面的伦理设计提供指导。2024TMThomas Mildner et al.University of Bremen语音用户界面（VUI）设计AI 伦理、公平与问责暗黑模式（Dark Patterns）识别CHI
混合现实中骑行者危险通知研究：与测试跑道的比较分析Sawitzky 等人通过混合实境模拟与真实测试跑道对比，验证MR技术用于自行车安全系统危险通知测试的有效性，发现MR对用户体验和感知安全完全有效，对工作负荷等部分指标相对有效。2023TSTamara von Sawitzky et al.车辆外部人机接口（eHMI）——与行人/骑车人的通信V2X（车路协同）通信设计AutoUI
共享自动驾驶汽车感知安全量表（PSSAVS）的开发及其在哥伦比亚和德国的验证Schuß 等人开发共享自动驾驶汽车感知安全量表，在德国和哥伦比亚验证发现信任、隐私和控制是关键影响因素，具有良好的信度和效度。2023MSMartina Schuß et al.自动驾驶界面与接管设计运动晕车与乘客体验AutoUI
Box任务与检测响应任务中各种动态属性的研究：统一与非统一Box动态之间是否存在性能差异？Trommler 等人通过41人实验室研究比较Box任务统一与非统一动态，发现统一动态无性能优势，建议采用统一的Box动态以确保灵敏度。2023DTDaniel Trommler et al.抬头显示（HUD）与驾驶辅助系统（ADAS）眼动追踪与注视交互AutoUI
驾驶员指向多模态融合：车内与车外物体指向对比研究Aftab 等人提出融合眼动、头部和手指三种模态的深度学习架构，实现驾驶员指向意图的精确识别，并判断目标物体位于车内或车外。2022AAAbdul Rafey Aftab et al.车内触觉、声音、多模态反馈手部手势识别语音用户界面（VUI）设计IUI
自动驾驶中用户体验测量：开发单项目测量方法Himmels等人开发单项目用户体验量表（SIUX），在真实驾驶任务中验证其敏感性，发现SIUX对事件相关用户体验比UMUX更敏感，且两者均优于SUS，可作为经济高效测量方法。2021CHChantal Himmels et al.自动驾驶界面与接管设计隐私设计与用户控制用户研究方法（访谈、调查、观察）AutoUI
如何设计完美的提示：汽车语音助手提示设计的语言学方法——一项探索性研究Meck 等人基于1206名参与者研究，从语言学角度提出提示设计三维度最佳实践，优化汽车语音用户界面的用户体验。2021AMAnna-Maria Meck et al.语音用户界面（VUI）设计智能语音助手（Alexa、Siri 等）AutoUI
为您服务：设计语音助手个性以改善汽车用户界面：一项真实驾驶研究Braun 等人通过真实驾驶研究比较四种语音助手个性，发现正确匹配用户个性可显著提升喜爱度、信任度和满意度，而不匹配则产生负面影响。2019MBMichael Braun et al.BMW Group Research, New Technologies, Innovations & Ludwig Maximilian University of Munich语音用户界面（VUI）设计会话代理的人格与拟人化CHI
是什么使自动驾驶汽车成为好司机？探讨密集交通情况下变道通知。Kauffmann 等人通过驾驶模拟器实验(n=66)研究变道通知参数，发现中等偏移和适度持续时间的横向移动最具合作性，为自动驾驶变道策略提供设计依据。2018NKNina Kauffmann et al.BMW Group自动驾驶界面与接管设计V2X（车路协同）通信设计CHI
P3 - 可用性如何拯救一切——使自动驾驶取得成功的方法论考量Forster等人综述汽车HMI评估方法论，指出研究缺乏自我报告和观察数据的结合，提出多方法研究方案以解决性能-偏好分离问题。2018YFYannick Forster et al.自动驾驶界面与接管设计AutoUI