增强现实中基于生理反馈的自适应系统对认知负荷的调节作用研究

《Design Science》：Designing adaptive feedback systems for managing cognitive load in augmented reality

本研究针对增强现实(AR)环境中用户认知负荷(CL)管理难题，通过结合多模态交互与自适应生理反馈系统开展创新性探索。研究人员通过眼动追踪与手势交互的对比实验，发现任务难度对交互方式效能具有调节作用；进一步开发的基于累积皮肤电反应(CSCR)的自适应休息干预系统可有效降低持续认知负荷，但存在认知恢复与任务效率的权衡。该研究为AR环境下的认知感知交互设计提供了新思路。

　　

在增强现实技术快速发展的今天，用户在面对复杂AR环境时常常面临认知超载的挑战。这种认知负荷不仅影响任务完成效率，更可能引发操作失误和用户体验下降。随着AR技术在教育、医疗和工业领域的广泛应用，如何有效管理用户的认知负荷已成为人机交互领域的关键科学问题。

传统认知负荷管理多依赖主观评估工具，如NASA任务负荷指数量表(NASA-TLX)，但这些方法存在实时性不足和自我报告偏差等局限。尽管生理信号测量如皮肤电反应(SCR)为客观评估提供了新途径，但将其应用于自适应认知负荷管理系统的研究仍较为缺乏。此外，虽然眼动追踪和手势交互等多模态交互方式已被广泛探索，但它们对不同难度任务下认知负荷影响的系统性研究仍存在空白。

为应对这些挑战，Jiacheng Sun和Ting Liao在《Design Science》上发表了题为"设计增强现实中管理认知负荷的自适应反馈系统"的研究。该研究通过两个部分系统探讨了AR环境中的认知负荷管理：第一部分比较了眼动追踪和手势交互在不同任务难度下的表现；第二部分开发了基于累积皮肤电反应(CSCR)的自适应反馈系统，通过实时生理监测触发休息干预，为动态认知负荷管理提供了新思路。

关键技术方法包括：使用Microsoft HoloLens 2头显进行AR任务呈现，通过Mindfield eSense GSR传感器采集皮肤电活动(EDA)数据，开发基于CSCR指标的实时认知负荷监测算法，采用2×2实验设计(交互方式×任务难度)比较性能差异，结合NASA-TLX主观评分与生理指标进行多维度评估。

3.1. Experiment setup

研究采用实验室受控环境，设置包括计算机、Mindfield eSense GSR传感器、Android设备和HoloLens 2头显。所有设备通过隔离局域网连接以确保数据稳定传输。迷宫任务应用程序基于Unity3D开发，通过HoloLens 2呈现。GSR数据通过Android设备传输至服务器进行实时处理，为休息干预提供触发依据。

3.4. Adaptive system design and data collection

3.4.1. Skin conductance response(SCR)

SCR检测采用四步流程：监听状态、SCR上升检测、波动相位数据收集和恢复相位启动。当信号持续上升超过2秒或与基线值差异超过0.5μS时，系统判定为潜在SCR事件。该指标能有效捕捉认知负荷的瞬时波动，但对持续认知努力的表征能力有限。

3. 4.2. Cumulative skin conductance response(CSCR)

为解决SCR的局限性，研究提出CSCR新指标。与SCR采用相同事件检测流程，但CSCR在事件窗口内每秒递增计数，能更精细量化持续认知负荷。如图10所示，CSCR能捕获SCR可能遗漏的微小信号波动和持续上升期。

3.4.3. Design of real-time feedback

实时反馈系统以CSCR/min为核心指标，采用60秒滑动窗口计算。系统将认知负荷分为四个等级：绿色(0-5，低负荷)、黄色(6-9，中等)、橙色(10-15，高)和红色(≥16，极高)。当指标达到红色阈值时，系统自动触发15秒休息干预。

4. Results and analysis

4.1. Part 1. Impact of interaction methods

第一部分通过广义估计方程(GEE)模型分析发现，在简单任务中手势交互完成时间显著短于眼动交互(β=-8.25, p<0.01)，但认知负荷无显著差异。高难度任务中两种交互方式的表现趋同。SCR发生次数与任务完成时间呈显著正相关(r=0.70, p<0.01)，支持假设3。

4.2. Part 2. Impact of the adaptive rest module

第二部分中，CSCR与NASA-TLX得分相关性(r=0.41, p<0.01)优于SCR(r=0.28, p=0.03)，验证其作为认知负荷指标的有效性。休息干预后CSCR/min显著降低(t=-2.55, p=0.01)，支持假设4。但休息干预导致任务完成时间延长，假设5未获支持。

研究结论表明，手势交互在简单任务中具有性能优势，而任务难度增加会使交互方式差异减弱。自适应休息系统能有效降低认知负荷，但会中断任务连续性，体现认知恢复与任务效率的权衡。CSCR作为新型生理指标显示出捕捉持续认知负荷的潜力，为AR环境中的实时认知管理提供了新方法。

该研究的创新点在于将多模态交互分析与生理自适应系统相结合，为认知感知的交互设计提供了实证基础。未来研究可探索更智能的干预时机判断机制，在保持认知效益的同时最小化对任务流程的干扰，推动AR技术向更人性化、自适应方向发展。