汽车平视显示器(HUD)中的空中触觉技术:一项初步设想与设计构想研究
《TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE》:Mid-air haptics for automotive HUDs: A sketch anticipation and design fiction study
【字体:
大
中
小
】
时间:2026年02月10日
来源:TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE 13.3
编辑推荐:
奥雷斯特尼斯·乔治乌(Orestis Georgiou)| 罗伯托·蒙塔诺(Roberto Montano)| 达里奥·皮特拉(Dario Pittera)| 威廉·弗里尔(William Frier)| 斯蒂芬·休斯(Stephen Hughes)| 帕特里克·哈加德(Patr
奥雷斯特尼斯·乔治乌(Orestis Georgiou)| 罗伯托·蒙塔诺(Roberto Montano)| 达里奥·皮特拉(Dario Pittera)| 威廉·弗里尔(William Frier)| 斯蒂芬·休斯(Stephen Hughes)| 帕特里克·哈加德(Patrick Haggard)| 玛丽安娜·奥布里斯特(Marianna Obrist)| 帕特里夏·科内利奥(Patricia Cornelio)
超级飞跃(Ultraleap)、《白宫风云》(The West Wing)、玻璃码头(Glass Wharf)、布里斯托尔(Bristol)、BS2 0EL、英国
**摘要**
汽车行业的创新,如自动驾驶、人工智能助手、平视显示器(HUD)和空中触觉无接触互动,虽然带来了变革性的好处,但也可能引入意料之外的风险和伦理问题。为了探讨这些潜在的挑战,我们进行了多阶段的研究:首先,我们邀请了27位专注于无接触和汽车系统的工程师,让他们展望空中触觉和平视显示器的未来应用。这些前瞻性设计想象的见解为创作高保真度的故事板草图提供了依据,描绘了六种假设场景。利用这些故事板和定制的问卷,我们调查了来自九个国家的135名驾驶员,以评估他们对技术接受度、界面可用性和负责任创新的看法。研究结果表明,不同人群之间存在显著差异,并且他们表达了双重情绪:一方面对技术整合充满热情,另一方面又担心安全性、用户控制权和隐私问题。我们的发现不仅有助于推动更安全、更以用户为中心的汽车创新,还为评估和指导跨领域的新兴技术提供了一个多模式框架。
**1. 引言**
新兴技术通常伴随着便利性、安全性和创新的承诺,但其社会影响往往并非简单明了。采用新技术可能带来好处,但也可能引入新的风险,挑战现有规范,并超出监管能力。例如,自动驾驶和电动汽车需要新的基础设施和法律框架(Beiker, 2012; Harel et al., 2020);而社交媒体则引发了关于网络欺凌、隐私和内容管理的担忧(Whittaker and Kowalski, 2015; Piccoli et al., 2020)。与此同时,数字触觉技术通过游戏控制器(Whitmire et al., 2018)、可穿戴设备(Pacchierotti et al., 2017)、振动屏幕(Poupyrev and Maruyama, 2003)和空中触觉显示器(Hoshi et al., 2010; Georgiou et al., 2022a)等数字手段,将这些不确定性扩展到了感官和情感领域。随着这些技术进入混合现实互动空间,关于隐私、同意和具身互动的伦理界限的问题变得日益突出(Barrow et al., 2025)。汽车行业在这方面尤为突出,因为新的互动范式正在与加速的自动化进程同时发展。自动驾驶已成为广泛的法律和社会讨论主题(Bissell et al., 2020),特别是在安全标准和规范化需求方面(Parekh et al., 2022)。汽车工程师协会(SAE)将自动化程度分为0到5级,不同级别对人类参与的期望各不相同;在1-3级中,驾驶员仍负责驾驶任务,而在4-5级中,用户可以进行非驾驶活动。目前大多数商用车辆都具备1-2级的自动化能力,这凸显了自动化的渐进性和相关的治理挑战(Claybrook and Kildare, 2018)。
**图1. 汽车环境中AR-HUD交互的示例:**
(a) 显示危险的视觉提示和指示更安全方向的交互式箭头;
(b) 用拇指向上手势启动汽车引擎;
(c) 空中触觉反馈,提示后方车辆正试图从左侧超车。
在这场转型中,三种界面创新正在融合:增强现实平视显示器(AR-HUD)、无接触互动和空中触觉。AR-HUD将信息投影到挡风玻璃上,并将其与交通场景结合(Pauzie, 2015; ResearchInChina, 2022),支持“眼睛盯住道路”的驾驶模式和情境感知(Ma et al., 2021; Stojmenova Pe?e?nik et al., 2023)。AR-HUD已出现在消费品车辆中(Hongqi, 2020; Volkswagen, 2023; Carscoops, 2020),预计将与导航、高级驾驶辅助系统(ADAS)、驾驶员监控、信息娱乐和车对一切(V2X)生态系统紧密集成(ResearchInChina, 2022)。同时,无接触手势控制被提出作为物理控制的安全替代方案(Young et al., 2020; Brand et al., 2016; Ahmad et al., 2016),并已应用于商业信息娱乐系统(如宝马iDrive和梅赛德斯-奔驰MBUX)(BMW, 2021; Mercedes-Benz, 2021);研究还表明,手势互动可以在以HUD为中心的情境中减轻分心(Lagoo et al., 2019; Lee and Yoon, 2020; Brand et al., 2016),并为半自动驾驶提供更丰富的交互方式(Terken et al., 2017)。最后,空中触觉利用超声波在手上产生触觉感受,而无需物理表面(Georgiou et al., 2017),并显示出在驾驶相关任务中减少视觉负担和提升性能的潜力(Harrington et al., 2018; Shakeri et al., 2018; Large et al., 2019; Brown et al., 2020; Young et al., 2020; Korres et al., 2020; Spakov et al., 2022; Spakov et al., 2023a)。尽管这些技术尚未在汽车产品中广泛部署,但原始设备制造商(OEM)对此类新模式的兴趣日益增长(Ultraleap, 2022)。
然而,并非所有的汽车创新都能经受住最终用户的检验,即使技术上可行。氢燃料电池汽车因基础设施有限和成本高昂而面临挑战(Hassan et al., 2023);ADAS功能因可靠性问题和风险认知而难以普及(Brell et al., 2019);自动驾驶停车功能因复杂性和故障问题受到批评(Shafiei et al., 2023);语音控制的信息娱乐系统常常引发准确性和隐私问题(Liu et al., 2023)。这些例子凸显了一个反复出现的挑战:技术失败不仅可能源于工程限制,还可能由于期望不匹配、信任度不足和感知到的合法性问题。因此,为了减轻并重新调整技术发展方向,预测技术创新的潜在失败是至关重要的。一种方法是进行前瞻性研究(Poli, 2017),基于专家意见和当前趋势系统地探索未来场景及其影响,使利益相关者能够在全面实施前预见风险和机会。另一种方法是采用设计想象法(Sterling, 2005),通过创建推测性的叙事或作品来想象可能的未来,激发关于技术更广泛(如社会、经济和环境)影响的思考和讨论。
在本文中,我们采取了平衡的方法,将结构化的前瞻性分析与设计想象的想象力相结合,探讨了在1至4级自动化范围内,空中触觉和AR-HUD在汽车环境中潜在的应用场景、影响及最终用户的关注点。具体而言,通过采用推测性设计未来方法和大规模数据收集活动,我们试图预见潜在的风险和伦理影响(Fry, 2009)。我们的目标是探索新兴车内界面——特别是空中触觉和AR-HUD,以无接触手势互动为核心控制方式——在近未来的汽车环境中可能如何被体验、评估和伦理接受。我们解决了在部署前对推测性车内技术评估方面的差距:尽管技术发展迅速,但人们对这些系统可能的社会接受度、伦理争议或实际误解仍知之甚少。为此,我们提出了三个研究问题(RQ1–RQ3),详见第3节,重点关注预期使用场景、用户体验和接受度以及负责任创新方面的考虑。
为了回答这些问题,我们采用了多阶段、多模式的方法(见图2)。首先,我们招募了27位熟悉空中触觉、AR-HUD和自动驾驶的工程师,基于他们的专业知识提出了现实的推测性场景(第4节)。从这些叙述中,我们提炼出了六个反复出现的主题性使用场景:安全性、通信、生产力、幸福感、娱乐和市场营销,这些场景通常与其他技术(如人工智能助手、社交媒体、电子商务、虚拟现实、生物传感器和全息显示)结合使用。其次,我们将这些主题转化为专业绘制的故事板草图,以便非专家也能理解这些互动概念(第5节和附录)。第三,利用这些草图,我们进行了大规模的调查(见第6节),调查对象是来自北美、非洲、欧洲、澳大利亚和亚洲的135名持证驾驶员,并运用负责任研究与创新(RRI)的原则(Owen et al., 2013)收集数据(定量和定性)。最后,我们应用各种统计方法评估了这六个场景的接受度、吸引力、用户界面和负责任创新方面,为进一步的技术发展提供了人口统计洞察和指导。
**图2. 检视和应对以用户为中心的新兴技术挑战的多模式框架**
除了这一总体模式外,我们的分析还发现了不同人口和文化背景下技术接受度的系统差异。总体而言,年轻参与者更接受推测性界面,而年长参与者则更强调控制、安全和隐私。这些结果为汽车人机界面(HMI)开发提供了实际建议:我们认为,在整合AR-HUD、无接触互动和空中触觉时,保护用户自主权、保持情境感知以及保护数字触觉和个人数据应作为首要设计优先事项(详见第6.2节)。
除了这些领域特定的见解外,本文还在方法论和理论层面对人机交互(HCI)、前瞻性设计和负责任创新做出了贡献(详见第7.3节的讨论)。方法论上,我们提出了一种灵活的多模式框架(见图2),结合了前瞻性设计和设计想象、故事板绘制、基于场景的用户评估以及对定量和定性数据的多方法分析(包括主题编码、自然语言处理(NLP)、主成分分析(PCA)和统计显著性测试)。理论上,我们(i)通过可大规模实证评估的叙事和视觉作品实现了前瞻性共同设计;(ii)引入了“控制-连接”轴作为评估新兴HMI社会接受度的概念性视角;(iii)展示了如何将推测性互动系统地转化为支持负责任创新的证据。这些贡献有助于提前识别摩擦点,支持利益相关者的共识,并通过将伦理和体验预见嵌入开发过程来降低设计失误的可能性。
本文的其余部分结构如下:第2节回顾了支撑我们方法的理论框架,包括前瞻性、设计想象和负责任创新。第3节概述了研究设计。第4节介绍了研究的第一阶段,详细说明了我们的专家预见研讨会和六个主题性故事板概念的开发过程。第5节描述了第二阶段,其中参与者意见促成了高保真度故事板草图的创作。第6节报告了第三阶段的主要探索研究,包括调查部署和数据分析。第7节对研究结果进行了更广泛的讨论,引入了“控制-连接”轴作为评估社会接受度的视角,并反思了对未来技术发展和预见理论的启示。第8节进行了总结。最后,附录包含了所有故事板图片以及Friedman和Wilcoxon统计测试的详细结果。
**2. 理论框架**
本研究位于三个新兴领域的交叉点:前瞻性研究(Anticipation Studies)、设计想象(Design Fiction)和负责任研究与创新(Responsible Research and Innovation, RRI)。这些领域共同关注如何在技术发展中想象、叙述和实现可能的未来。我们的方法还借鉴了视觉方法,特别是草图绘制和故事板制作,作为参与性和沟通工具,使推测性场景既易于理解又易于分析。接下来,我们将介绍这些领域,并探讨前瞻性如何在理论上和应用环境中(特别是在汽车和人机界面背景下)被概念化,这反过来又推动了第3节中描述的各种灵活和多模式方法论的应用。虽然这些框架涵盖了不同的传统,但它们都直接为我们的三个研究问题(RQ1-RQ3)提供了支持。前瞻性研究探讨了专家参与者如何设想涉及新型界面技术的可行未来(RQ1)。设计虚构和基于草图的故事叙述结构探讨了这些专家预测的未来如何被不同的公众传达和评估(RQ2)。包括预期伦理在内的风险与影响评估(RRI)指导我们解读参与者反应,并帮助识别新兴汽车人机界面(HMIs)中的伦理紧张关系(RQ3)。这种映射为我们的多模态方法奠定了基础,增强了理论、方法和实证研究之间的概念一致性。
2.1. 技术科学实践中的预期与未来思考
预期这一概念在研究技术社会塑造的各个领域中日益受到关注。 recent scholarship 不再将其仅仅视为预测或预言,而是将其定义为一种主动的、表演性的与未来互动的方式(Poli, 2010)。在这种观点下,预期不仅仅是预测可能的结果,而是关于如何通过话语、设计和社会技术实践在当下构建未来。Poli等人将预期定义为系统的一种属性,这些系统“包含了关于自身及其环境的模型”,并且可以根据对未来状态的预测来行动(Poli, 2010)。这一基于系统的观点后来被学者们扩展为一种文化和认知实践。例如,Alvial-Palavicino引入了“预期组装”的概念,用以描述期望如何嵌入到产生、传播和合法化技术未来的社会物质常规中(Alvial-Palavicino, 2015)。这些期望不仅仅是预测;它们是表演性的,也就是说,它们塑造了研究议程、资金方案和公众想象。
在此基础上,Miller编辑的著作《变革未来》提出了未来素养的概念,将预期视为一种可以培养的能力,帮助个人和机构理解复杂性、涌现性和不确定性(Miller, 2018)。Urue?a进一步扩展了这一概念框架,区分了四种预期的模式:科学技术的、参与式的、反思性的和变革性的(Urue?a, 2021)。他批评了将面向未来的话语简化为纯粹猜测的框架,并强调了塑造哪些未来会被设想、由谁设想以及为了什么目的的社会政治条件。
这些更多元化的预期框架突显了其情境性和具体化的特征。Lindgren等人研究了用户如何在日常生活中与部分自动化的车辆互动,展示了随着用户遇到高级驾驶辅助系统(ADAS)技术的实际应用,他们的信任、不确定性和期望是如何随时间演变的(Lindgren et al., 2020)。同样,Grahn对专业司机的研究强调,预期是通过具体认知、社会规范和环境线索在当下发挥作用的能力;这些能力在大多数当前的自动化和智能系统中仍然未得到充分发展(Grahn et al., 2020)。Cornelio关于设计无接触空中触觉界面的工作也受到了这一重视。她认为,在设计过程中必须尽早整合伦理反思和利益相关者的想象,特别是在互动模式仍在形成或尚未明确定义的领域(Cornelio et al., 2023)。
综合来看,这些观点不仅将预期视为一种预测练习,而且是一种启发式的方法论和伦理工具;它是新兴技术的设计、治理和接受的核心。
2.2. 实践中的预期:汽车创新与人机界面
汽车领域为我们研究实践中的预期提供了一个引人入胜的视角,尤其是在自动化、数据化和平台化驱动的巨变过程中。在这里,预期不仅体现在设计过程中,还体现在政策、企业战略、市场营销和用户采纳中。Vecchiato对汽车行业预见能力和组织认知的研究就是一个典型例子,表明预见能力超越了情景规划,重塑了决策者的思维模型(Vecchiato et al., 2020)。根据这一观点,预见活动重新校准了管理层的解释,使策略更具适应性,并在不确定性下影响组织学习。这支持了我们将 speculative design 视为一种认知工具的观点,用于重新框架化假设(见第4节)。
与此组织视角相辅相成的是,多项研究探讨了预期在人机界面(HCI)设计中的表现。Lindgren关于ADAS采纳的研究强调,对自动化的信任是通过实际体验而非仅仅技术可靠性发展起来的,突显了界面透明度和期望管理的重要性(Lindgren et al., 2020)。Grahn的协议研究揭示了专业司机如何通过具体认知和默会推理实时预见情境;这些能力是当前自动驾驶和智能系统常常未能捕捉到的(Grahn et al., 2020)。这些发现表明,在HCI背景下,预期不仅要考虑技术预见,还要考虑人类感知的微妙之处。
Cerejo的综述将预期定位为设计中的一种生成性方法,通过叙事场景和推测性原型来揭示用户需求并塑造行为(Cerejo and Carvalhais, 2023)。这种框架与人工智能中介的系统相一致,在这些系统中,用户期望是通过界面行为积极塑造的。这些见解强调了预期不仅仅是一种反应性的预见,而是一种前瞻性的设计实践。Puthanpura基于场景的评估为新兴汽车技术提供了更结构化的应用,使用多属性决策框架(TOPSIS)从技术、社会和政策维度评估车辆对车辆(V2V)、车辆对基础设施(V2I)和完全自主技术(Puthanpura et al., 2015)。虽然这些框架有助于捕捉不确定性下的多样化利益相关者意见,但也提出了关于谁的未来愿景受到优先考虑的问题;这一问题在Urue?a的预期模式分类(Urue?a, 2021)和Miller的未来素养呼吁(Miller, 2018)中得到了呼应。
Kuryliak采取了一种不同的路径,将预期直接嵌入营销基础设施中。他的“预期营销”模型利用联网车辆的行为数据通过有针对性的参与策略来预测和塑造消费者需求(Kuryliak et al., 2021)。这种方法结合了预测建模和SOSTAC框架等工具,说明了预期如何在公司逻辑中制度化,即较少参与式但高度操作化。在这里,预期作为一种基础设施和算法过程发挥作用,优化市场响应性而非促进公众讨论。
这种对比很有启发性。Puthanpura和Vecchiato将预期视为战略规划或认知重新定向,而Kuryliak的框架则揭示了当通过营销基础设施引导时,推测性参与如何可能变得既强大又充满伦理挑战。例如,我们研究中的一个设想用例(见图4)涉及车内预言性广告:界面根据用户情境和推断的偏好动态展示基于位置的促销信息。这与Kuryliak的框架相呼应,但也引发了关于自动化环境中代理权、同意和商业化的关切。这些关切突显了伦理预见的重要性,正如Brey在《预期技术伦理》(ATE)框架中所提出的(Brey, 2012)。Brey主张在技术可能性超越规范共识的早期阶段进行伦理反思,这一点也体现在我们将设计虚构作为一种参与式伦理实践而非预测工具的使用上。我们的研究通过推测性场景揭示伦理紧张关系,而不是等到部署后进行影响评估。
总之,这些研究表明,预期不仅仅是一种单一的方法论,而是一个多样化的实践领域,涵盖从体验学习和认知重构到叙事推测和算法预测的范围。在下一节中,我们将探讨如何将设计虚构整合到评估汽车用户体验(UX)中的社会技术想象的方法论中。
2.3. 作为预见方法的设计虚构
如果预期是关于想象和塑造未来的,那么设计虚构提供了叙述和物质语法,通过这些叙事和语法来讲述这些未来。虽然“设计虚构”这一术语最初是由Bruce Sterling在2005年提出的,用于描述“在页面上比传统科幻更合理的”推测性故事叙述(Sterling, 2005),但Julian Bleecker在2009年的开创性文章则明确将设计虚构定位为设计研究和HCI的方法(Bleecker, 2022)。借鉴David A. Kirby关于叙事世界中虚构对象的观念,Bleecker提倡使用推测性工件和场景来探索接近未来的可能性。如今,设计虚构被公认为推测性和批判性设计传统中的核心实践。它通过构建包含工件、环境和用例的故事世界,挑战规范性期望并 suspend disbelief about change。因此,它不仅仅是一种表达工具,而是一种预见方法,能够吸引公众、专家和利益相关者参与对未来的具体想象,引发对新兴技术社会、伦理和政治维度的反思。
在这种实践中,学者们提出了结构化的方法来支持推测性探究。例如,Markussen的“设计虚构诗学”结合了文学技术和原型制作,提供了一个四步方法论:写作、虚构人物、原型工件和叙事框架,通过叙事和物质手段系统地探索社会技术变革(Markussen and Knutz, 2013)。这个框架展示了设计虚构如何作为一种严谨的、以探究为导向的方法进行批判性探索。
从根本上说,设计虚构不是关于预测未来,而是关于呈现挑衅性的替代方案,这些方案揭示了当前环境中嵌入的假设和轨迹。这些虚构的推断作为认知工具,使编码在技术系统中的价值观、规范和想象变得可见。因此,设计虚构与之前讨论的反思性和表演性预期维度高度一致(Alvial-Palavicino, 2015, Urue?a, 2021)。虽然预见通常寻求合理的未来,但设计虚构更强调可能性和争议,邀请对可能被排除在外的未来进行批判性反思。
在本文中,我们将设计虚构既作为一种研究启发式方法,也作为一种参与式方法来引发用户对新兴汽车界面的反思。我们使用手绘的叙事草图(见附录),遵循Markussen的框架,结合视觉叙事和推测性人物来突出技术在设计中经常被边缘化的社会和伦理问题。几位学者强调了设计虚构在技术评估中的预见潜力。Ahmadpour等人探讨了关于老年人福祉技术的虚构场景如何引发情感和伦理反应,这些反应在传统评估框架中可能不会出现(Ahmadpour et al., 2019)。同样,Schulte在痴呆症护理中的“设计虚构探针”通过呈现一个涵盖智能家居系统购买、使用和最终退役的完整推测性叙事,揭示了自主性、监控和依赖性问题(Schulte et al., 2016)。这些叙事片段使参与者能够将自己投射到想象中的未来,提出关于代理权、隐私和过度依赖的细致关切。这支持了我们自己的方法选择(见第3节),其中推测性的汽车草图作为预见性探针。我们不是评估现有技术,而是使用虚构场景来引发对想象中未来的反应,在技术方向仍然模糊和可争议的时候揭示潜在的伦理紧张关系和需求。
2.4. 规范性设计未来与汽车
设计虚构越来越多地被用于汽车领域,以推测未来的出行场景。例如,Celik的研究将自动驾驶车辆(AVs)不仅视为交通工具,还视为嵌入城市生活中的社会 agent。通过设计虚构工作坊,Celik及其同事开发了场景,其中AVs 作为生活方式的伴侣,适应社会环境,并将设计考虑扩展到功能之外,包括文化角色、人际动态和体验性意义构建(Celik and Hasdo?an, 2023)。这种以人为本的视角在我们自己的几个推测性用例和故事板中得到了体现,例如“安全”场景(见图10),其中AV 被赋予了一个名为 Roadie 的主动语音助手。在这个草图中,车辆不仅帮助提高危险意识,还建立融洽关系和情感信任,强化了未来AVs可能作为关系实体运作的想法。这些例子不仅探讨了技术效用,还探讨了关系和伦理影响(见第7节)。
其他研究展示了设计虚构如何在企业创新环境中运作,有时也会受到限制。Ringfort-Felner在一家汽车公司的案例研究中生成了24个叙事工件,范围从推测性的快速启动指南到想象的城市地图。虽然这些工件最初帮助内部利益相关者反思自动驾驶的未来,但组织压力逐渐将工作转向产品导向的输出,削弱了其推测潜力(Ringfort-Felner et al., 2023)。这个案例提醒我们,当设计虚构被纳入商业议程时,有可能被重新定义为一种创意工具而非批判工具。相比之下,我们的方法论立场有意将虚构视为一种参与式和批判性的启发式工具,而不是将想法导入产品流程的工具。
这些当代例子建立在长期的文化和历史背景下,这些背景构成了汽车未来的构建方式。米勒对1939年纽约世界博览会上通用汽车公司“Futurama”展馆的分析展示了如何利用沉浸式叙事来使以汽车为中心的基础设施未来变得司空见惯。通过视觉奇观和模拟,“Futurama”将技术进步的愿景植入公众的想象中,将纯粹的展示转化为意识形态的教导(Miller, 2020)。与此相呼应的是斯塔顿的《无人驾驶之梦》,该研究追踪了媒体、设计和政策中的自动化叙事如何塑造了无人驾驶汽车的合法性和吸引力。他认为,这些想象与控制、便利性和必然性的观念紧密相连,常常边缘化了与劳动、公平或城市正义相关的观点(Stayton, 2015)。综上所述,这些案例突显了设计虚构作为一种双刃剑:它既能够激发激进想象力,也容易受到制度性的利用。我们自己基于草图的故事创作方法也延续了这一传统,同时旨在强调多样性、批判性以及最终用户的声音,尤其是在文化和人口统计层面。重要的是,我们将设计虚构不仅仅视为一种推测性的叙事方式,更将其视为一种实践中的预见方法。它使研究人员和参与者能够反思未来技术的必要性、风险以及社会伦理问题。
米勒对通用汽车在1939年纽约世界博览会上举办的“Futurama”展的分析表明,当时如何运用沉浸式叙事来使以汽车为中心的基础设施的未来变得习以为常。通过视觉盛宴和模拟,“Futurama”将技术进步的愿景植入公众的想象中,将纯粹的展示转化为意识形态的教导(Miller, 2020)。与此互补的是斯塔顿的《无人驾驶之梦》,该研究探讨了媒体、设计和政策中的自动化叙事如何影响了无人驾驶汽车的合法性和吸引力。他提出,这些想象与控制、便利性和必然性的观念紧密相连,经常忽视了与劳动、公平或城市正义相关的观点(Stayton, 2015)。结合这些案例可以看出,设计虚构既是一种激发激进想象力的工具,也可能被制度性地利用。我们自己基于草图的故事创作方法也延续了这一传统,同时致力于促进多样性、批判性和最终用户的声音,尤其是在文化和人口统计层面。重要的是,我们不仅仅将设计虚构视为一种推测性的叙事方式,更将其视为一种实践中的预见方法。它使研究人员和参与者能够反思未来技术的必要性、风险以及社会伦理问题。
近年来,有研究将设计虚构视为一种批判性探究的形式,将预见性思维与情境设计和社会技术批判相结合。例如,塞雷霍(Cerejo)认为,预见性设计虚构作为一种认知辅助手段,通过激发想象力、情感和伦理反思,帮助用户和设计师应对不确定的未来(Cerejo and Carvalhais, 2023)。科内利奥(Cornelio)等人也展示了在新兴领域(如无接触触觉技术)中,参与式前瞻工作坊如何帮助揭示隐含的价值观,并促进不同利益相关者之间的社会技术想象(Cornelio et al., 2023)。同时,马利齐亚(Malizia)等人提出了“原型工具”概念,即数字化增强的装置,它们将推测性叙事与功能性原型联系起来(Malizia et al., 2018)。这些原型工具是在信息物理环境(P-CE)中开发的,旨在降低技术门槛并促进跨学科交流,从而将设计虚构作为一种包容性的认知工具。这种方法直接影响了我们的研究设计,其中绘制的草图作为高保真的叙事线索,激发了参与者们的反馈,并为未来的原型设计提供了方向。
布莱斯(Blythe)等人进一步推动了这一思路,提倡在设计虚构中采用“反解决主义”策略(Blythe et al., 2016)。他们针对人机交互(HCI)领域倾向于过早或过度理性化的解决方案的倾向,倾向于使用荒诞、模糊性和幽默元素,通过“魔法机器工作坊”来引发对技术未来如何被构建和体验的批判性思考。与其忽视超现实元素,他们的工作展示了这些元素如何拓宽设计空间,并质疑潜在的假设。我们的基于草图的虚构场景灵感来源于此理念,抵制了可行性和产品化的压力,转而支持对未来界面设计的推测性、情感性和伦理性探索。通过这种方式,我们的方法强调了设计虚构的力量不在于预测未来会发生什么,而在于揭示可能存在什么以及这为什么重要。
负责任的研究与创新(RRI)已成为一个关键的规范框架,旨在以伦理上有根据、对社会有回应且面向未来的方式塑造新兴技术的发展轨迹。虽然其根源可以追溯到科学与技术研究的早期传统,但RRI由冯·肖姆伯格(Von Schomberg, 2013)在欧洲研究政策中正式提出,并由斯蒂尔戈(Stilgoe)、欧文(Owen)和麦克纳格滕(Macnaghten)通过AREA框架进一步发展(Stilgoe et al., 2013),该框架提出了四个相互关联的维度:预见、反思、参与和行动。这些支柱指导着将伦理反思和公共价值观融入研究和创新过程的努力。在HCI和信息系统研究领域,RRI越来越成为将预见性和价值观敏感的设计整合到技术工作流程中的基础。斯塔尔(Stahl)认为,伦理评估应该内置于研究基础设施中,而不仅仅被视为事后 supplement (Stahl, 2012)。在他关于欧盟人类大脑项目后期工作中,他提出了“设计责任”的概念,旨在将RRI作为工作流程和结果的结构性组成部分(Stahl et al., 2021)。同样,贝茨(Bates)等人也倡导在HCI中采取批判性的RRI议程,强调权力、包容性和长期社会影响,而不仅仅是狭隘的合规性视角(Bates et al., 2019)。这些理论原则现在正应用于实际领域,包括汽车行业。伊阿特里迪斯(Iatridis)和施罗德(Schroeder)展示了如何通过利用现有工具(如CSR框架、ISO标准和利益相关者报告工具)将RRI转化为企业战略(Iatridis and Schroeder, 2016)。他们的研究表明,RRI不仅是一个公共政策议题,也可以作为商业创新流程中的实用组织策略。
扎希诺斯(Zahinos)在研究SEAT电动汽车开发过程时也体现了这一实践导向,他使用了参与式工作坊将伦理和社会考量融入早期设计(Zahinos et al., 2013)。他们的研究表明,利益相关者对话有助于使技术发展路径与更广泛的社会价值观保持一致,这与我们使用推测性故事板和预见性草图的方法相呼应。正如SEAT利用参与式前瞻来塑造可持续的出行服务一样,我们也利用视觉叙事来揭示公众对新兴界面(如空中触觉和AR HUD)的想象和伦理直觉。克鲁茨(Creutz)和佩特松(Pettersson)则更批判性地探讨了将RRI融入创新生命周期的挑战。他们在研究一家瑞典出行即服务(MaaS)公司时发现,尽管存在本地化的反思和以用户为中心的设计实践,但这些努力很少能持续到 ideation 阶段之后(Creutz and Pettersson, 2023)。他们应用完整的AREA框架,强调在整个创新过程中制度化责任的重要性,而不仅仅将其视为早期考虑。我们的方法直接回应了这一需求,通过使用低门槛、可复制的手段(如草图预见和推测性设计虚构)来在上游HMI设计中促进包容性和反思性。这些方法不仅激发了伦理反思,还将其嵌入用户体验(UX)开发的视觉和迭代逻辑中。
其他学者也强调自动化在汽车领域的伦理维度需要积极的关注。卢科维茨(Lukovics)等人指出,自动驾驶车辆体现了工业4.0的社会技术复杂性,并提出了一个RRI框架,以解决技术不确定性以及公众信任、不平等获取和社会合法性等问题(Lukovics et al., 2020)。他们的呼吁参与了前瞻性视角,与我们强调使用直观、用户导向的推测性方法以吸引多元公众参与未来塑造相一致。鲍曼(Baumann)的研究从一个常被忽视的利益相关者——保险公司——的角度出发,认为保险公司在评估和定价风险方面起着关键作用(Baumann et al., 2019)。他提出,保险公司必须考虑公平和社会信任等“软”因素,这些问题在传统的精算模型中很少被提及。这一发现扩展了我们的观点,即伦理预见必须超越功能层面,考虑更广泛的制度动态和价值张力。正如鲍曼所强调的,在保险基础设施中实现预见性治理,我们的方法旨在在技术路径确定之前揭示充满价值的议题。
综上所述,汽车领域的负责任创新不仅需要风险评估或事后伦理,还需要能够在早期阶段纳入公众、揭示伦理紧张关系的方法。我们的参与式方法通过将推测性和视觉工具引入HMI开发过程,使这些议题得以讨论,而这些议题往往被忽视或理论化不足。在此基础上,一些学者提出了预见性伦理的概念,旨在在技术成熟之前识别和解决新兴的道德问题。布莱的预见性技术伦理(ATE)框架明确提倡在早期设计中使用未来思维和基于场景的反思(Brey, 2012)。科内利奥等人将这种方法应用于无接触触觉技术,通过推测性工作坊揭示用户期望和仍在发展中的领域的潜在伦理问题(Cornelio et al., 2023)。阿申布伦纳(Aschenbrenner)等人通过沉浸式RRI模拟进一步扩展了这一理念,展示了虚拟现实如何模拟未来工作环境,并促进利益相关者对协作、安全和人机交互中情感共鸣的反思(Aschenbrenner et al., 2020)。穆尔齐斯(Mourtzis)则呼吁在5.0社会中建立“人类-机器”范式,其中人类和智能系统通过适应性强、包容性和伦理指导的界面共同进化(Mourtzis et al., 2023)。在这样的愿景中,HMI不仅仅是交互点,还是旨在预见情感需求、反映社会规范并促进公平参与的伦理基础设施。我们的方法不仅有助于RRI原则的实际应用,也丰富了预见性伦理的研究领域。
在本节的结论中,我们提出草图预见和设计虚构是预见性治理的关键工具。这些工具不仅仅是创造性的工具,更是引发、实现和质疑社会技术想象的方法,符合负责任创新的原则。基于贾萨诺夫(Jasanoff)关于通过技术和政策塑造的理想未来的集体愿景的概念(Jasanoff and Kim, 2019),我们将基于草图的方法视为一种参与性和视觉化的手段,使这些想象变得可见、可辩论和可反思行动。特别是草图绘制,它不仅仅是一种沟通或说明工具,而是一种社会技术探究实践。在HCI领域,即使是最技术性的论文通常也以“英雄图像”开始,通常是描绘推测性用例的草图或故事板。这些图像虽然简单但富有情境性,能够立即识别交互、环境和社会动态。正如刘易斯(Lewis)所指出的,手绘草图有助于探索性思考、利益相关者沟通以及在不同保真度下表达推测性想法(Lewis et al., 2017)。我们使用叙事驱动的草图场景来原型化想象中的未来HMI系统和AR-HUD交互,使其跨越文化和技术界限。这与刘易斯的“触觉视觉库”(TVL)概念紧密相关,该概念通过漫画样式的面板促进参与性和情感共鸣的用户体验叙事(Lewis et al., 2014)。在我们的研究中,草图预见降低了用户参与的门槛,通过构建反思、投射和批判性思维。参与者能够在这些推测性场景中“看到自己”,为情境伦理反思和创造性设计反馈开辟新的途径。值得注意的是,图10中的一个场景描绘了一个名为Roadie的拟人化车辆助手,展示了汽车不仅仅可以从功能角度理解,还可以作为嵌入社会生活的关系实体。
最近的研究还强调了风格化视觉语言在塑造感知和情感方面的作用。巴蒂亚(Bhatia)关于AR设计中漫画元素的研究表明,视觉夸张(如速度线或感官提示)可以微妙地改变用户的解释和情感反应(Bhatia et al., 2024)。我们的研究也观察到了类似的效果,其中手势重点和叙事背景有助于引发比抽象或纯文本预测更清晰的伦理和情感反应。虽然我们的方法源自创造性和推测性传统,但它也支持结构化理论和严格分析。维洛索(Velloso)和霍恩贝克(Hornb?k)呼吁在HCI中使用图形因果模型(GCMs)进行方法论上中立的假设构建,强调了设计研究中正式解释框架的必要性(Velloso and Hornb?k, 2025)。尽管我们的研究在传统意义上不是因果性的,但我们的混合方法也呼应了这一呼吁。通过结合设计幻想、视觉草图绘制、参与式反馈以及多方法数据分析(包括定性编码、自然语言处理和主成分分析降维),我们对收集的数据进行了处理,从而将富有想象力的探究与分析的严谨性相结合。总结来说,这里介绍的“草图预测与设计幻想”方法将叙事、视觉和参与策略与伦理预见性相结合,以支持新兴汽车界面的早期探索。这一方法回应了人机交互(HCI)、科学技术史(STS)和思辨设计领域对于能够促进包容性和反思性参与技术未来的方法的呼吁。在下一节中,我们将详细说明这种方法是如何在一个三阶段的实证研究中被实施的,以解决我们的主要研究问题。
3. 研究概述与设计
本研究通过探讨基于思辨草图的场景如何在新兴汽车界面背景下作为预测性探针发挥作用,将第2节中介绍的理论框架付诸实践。借鉴了预见性设计、负责任创新和未来思考的原则,我们的研究探讨了专家生成的未来设想如何能够被不同群体的公众理解和批判性评估。
3.1. 研究问题
该研究由以下问题指导:
- RQ1:领域专家如何设想涉及空中触觉、AR-HUD和自动驾驶汽车的未来用例?
- RQ2:来自不同人群的普通参与者如何解读、评估并对从专家想象中发展而来的思辨性汽车场景作出反应?
- RQ3:从参与者对这些场景的反应中可以提取出哪些伦理、体验和设计方面的见解,这些见解又如何能指导未来的用户界面(HMI)设计?
3.2. 三阶段方法论
研究分为三个连续的阶段进行:
**阶段1:思辨性场景生成**
我们招募了27名具有空中触觉、AR-HUD和自动驾驶汽车设计经验的工程师和领域专家。在引导性提示的帮助下,他们基于自己的技术知识、个人经验和想象力阐述了面向未来的用例。这些叙述产生了六个主题场景:安全、通信、生产力、幸福感、娱乐和市场,通常整合了人工智能助手、生物传感器、虚拟现实(VR)和全息技术等相邻技术。更多细节见第4节。
**阶段2:通过故事板转换场景**
每个场景都被转换成使用专业绘制的插图故事板的简短视觉叙述。这些草图作为沟通工具,使复杂的思辨互动对更广泛的受众来说变得易于理解,这一过程遵循了视觉HCI、设计幻想和预见性方法的原则(见第5节和附录)。
**阶段3:通过调查评估场景**
利用这些故事板,我们在北美、欧洲、亚洲、非洲和澳大利亚进行了大规模在线调查,共有135名参与者参与。参与者从可接受性、期望性、界面质量和是否符合负责任创新原则等多个维度对每个场景进行了评估。我们采用了混合方法收集和分析数据,包括主题编码、描述性统计和降维技术来提取共同的关注点和用户想象(见第6节)。
3.3. 将方法与理论联系起来
该研究设计整合了思辨性和实证性探究,通过不同但相互关联的方法论组成部分来回答每个研究问题。在阶段1中,专家的预见性通过揭示特定领域的想象和可能的未来用例,与预期的表现性和反思性维度相契合(RQ1)。在阶段2中,将这些叙述转换成视觉故事板,使想象的未来对普通参与者来说变得可读、可讨论并且具有情感共鸣。在阶段3中,大规模评估研究突显了这些未来的多元解读(RQ2),同时也揭示了不同人群和地理群体中的潜在伦理紧张、界面期望和社会技术偏好(RQ3)。
重要的是,这种三阶段方法使得在整个思辨过程中能够生成定性和定量数据;从专家叙述到公众反应。开放式回答提供了关于参与者关切、价值观和意义构建策略的见解,而结构化的调查题目则提供了关于场景可接受性、期望性和感知责任度的可测量指标。然后,我们使用包括定性编码、自然语言处理(NLP)、统计显著性测试和降维(如PCA)在内的多方法分析工具包对这些数据进行了分析。这些方法使我们能够追踪回答中的模式,提取关键主题,并识别不同人群如何解读这些思辨设计。通过这种方式,我们的研究设计不仅旨在激发广泛的社会技术想象,还为解释这些想象提供了一个严谨的框架。这种方法论整合增强了我们在预见性设计理论和应用界面评估方面的能力,从而以概念性和实证性的深度来解决研究问题。
4. 第1阶段:预见性研究
**4.1. 第1阶段方法:设计幻想程序**
我们采用了设计幻想方法(Sterling, 2005)来探索在汽车环境中涉及AR-HUD和空中触觉的可能场景,包括不同程度的汽车自主性。根据负责任创新框架(Owen等人,2013),这种方法可以在引入创新之前预见潜在风险。
参与者被要求撰写一篇叙述,描述一种将基于超声波的空中触觉集成到具有某种自主性的汽车驾驶中(例如,1-4级)的未来的场景。为了指导他们的叙述,参与者得到了一个提示(见图3),该提示包含了五个类别的问题:互动——描述所想象的技术;预见性——识别潜在风险;反思性——让他们思考为什么提出这样的解决方案;包容性——探索这些解决方案针对的对象;响应性——理解他们认为适合避免的风险点。
参与者被要求创造任何他们能想象的场景,无论这些场景多么未来主义。然而,为了获得具有一定科学基础的场景,我们招募了在这些领域有经验的参与者,以便他们能够运用自己工作中的想法。参与者有5天的时间提交叙述,提交后,我们邀请他们参加访谈,以更深入地了解他们的思考过程。最终有9名参与者同意接受访谈。
**4.2. 第1阶段参与者**
我们共招募了27名参与者(15名女性;平均年龄=35岁,标准差=6.6岁,年龄范围=25-55岁)参与这项专家预见性研究。参与者通过专业人脉和之前的合作(口碑策略)被招募,这反映了便捷性和滚雪球采样方法。入选标准要求参与者当前或最近有非接触式系统(如空中触觉、手势识别)和/或AR-HUD的经验,并且这些系统与汽车或HMI领域相关。虽然没有明确要求参与者熟悉SAE的自动化等级定义,但所有参与者都是自愿参与的,并且获得了伦理委员会的批准。样本包括20名来自 industry 的参与者和7名来自学术界的参与者。行业参与者担任的角色包括用户体验设计师(UX Designer)、质量保证工程师(QA Engineer)、换能器设计师(Transducer Designer)、首席系统架构师(Principal Systems Architect)、汽车产品负责人(Automotive Product Owner)和工程副总裁(Vice President of Engineering)。学术界参与者包括教授、博士生和研究助理。专业领域包括:汽车HMI(9名)、触觉与感知/触觉HCI(6名)、用户体验设计/HCI(4名)、换能器和传感系统(3名),以及其他领域如XR、人因工程(Human Factors)、系统架构(Systems Architecture)和研究与创新(5名)。一些参与者在他们所在的部门从事过汽车应用相关工作。他们的经验年限从1年到30年不等(平均=6.5年),其中一些是所在领域的资深人士(例如,具有30年创新和技术经验的工程副总裁;具有10年经验的触觉团队负责人)。总体而言,参与者来自多个组织,包括原始设备制造商(OEM供应商)、汽车技术公司和大学研究实验室。这种角色的多样性和领域的多样性旨在确保获得丰富的视角,平衡了对车辆中新兴交互技术的工程技术、设计和以用户为中心的观点。
**下载:下载高分辨率图片(780KB)**
**下载:下载全尺寸图片**
图3. 参与者用来指导其叙述的提示。
**下载:下载高分辨率图片(553KB)**
**下载:下载全尺寸图片**
图4. 我们从参与者叙述中识别出的6个主题。左侧的箭头表示根据参与者描述的场景,自动化程度从L1-L2上升到L3和L4。右侧的箭头表示每个场景中驾驶员的手的位置(在方向盘上或离开方向盘)以及他们的眼睛的位置(在道路上或离开道路上)。
**4.3. 第1阶段结果:六个出现的用例主题**
我们通过识别频繁提到的应用、汽车自主性程度、AR-HUD内容和非接触式互动等方式,发现了参与者场景中的共同点。参与者根据涉及眼睛和手的互动来描述他们的场景,这些互动取决于汽车的自主性程度。此外,他们倾向于关注HUD和非接触式控制的组合如何在驾驶或与汽车信息娱乐系统或更广阔环境(例如其他车辆和标志)互动时提供帮助。我们采用归纳法对数据进行了编码,从原始的参与者场景出发,逐步转化为详细的描述,再转化为关键词。这个迭代过程包括根据提示中的五个项目(互动、预见性、反思性、包容性和响应性)分析27个场景。从这些描述中,我们提取了能够捕捉每个场景本质的关键词,从而有意义地将数据分组。这种方法使我们能够将相关的关键词和描述聚类为六个总体主题,如图4所示。这种方法确保了主题是从数据中自然产生的,提供了对参与者输入的全面且无偏见的呈现。
下面,我们提供了每个确定主题下的参与者数据示例,以说明分析得出的联系和见解。
**4.3.1. 安全——信任车辆**
参与者描述了AR-HUD和空中触觉的结合带来了更安全的体验。这一主题中的应用通常出现在手动或半自主模式下。这意味着驾驶员的手在方向盘上,并且注意力集中在路面上(SAE L1-L2)。例如,参与者想象使用HUD、手势和空中触觉来显示在常规驾驶环境中难以看到的内容,如突出显示的路径或目的地指示器。
- “当我接近转弯时,一条醒目的路径会出现在显示屏上,轻松引导我通过路线。”
- “我在HUD上看到另一辆车可能从拐角处出现的概率,以及我需要靠边停车的距离。”
- “如果其他车辆过于靠近我的车辆前方,一个微妙的提示会让我知道我离它们太近了。”
- “我的手背上会收到一些反馈,告诉我有车辆试图超过我。”
一个常见的应用是导航,HUD上的视觉内容会突出显示要走的路径或目的地指示器。
- “车内的HUD向我们展示了我们在屏幕上浏览过的不同景点,这样我们就能真正看到我们要去的地方!”
- “我将车辆设置为‘探索’模式,它会显示一些附近的推荐目的地,这些目的地会叠加在挡风玻璃上(就像增强现实地图标记)。”
- “我们调用了透明的谷歌地图视图,其中包含了[城市匿名化]和我们认为想去的地方之间的距离:餐厅、高速公路服务、露营地和有趣的地方。”
参与者认为,汽车的自主性加上空中触觉反馈可以帮助降低驾驶难度。
- “我不是最有经验的驾驶员,所以知道可以使用有很多辅助系统的车辆让我感到压力小了很多。”
- “触觉反馈确保了无缝且直观的互动,提高了控制的便利性,并减少了认知负担。”
空中触觉反馈不仅有助于确认车辆的动作并向驾驶员通知相关信息,还被认为能给他们带来安慰感,并感受到车辆和驾驶员之间的共同控制感。
- “有反馈告诉我菜单命令已被触发,这让我感到安心。”
- “触觉反馈持续存在,在我的手背上产生轻微的振动,让我确信车辆处于控制之下。”
- “触觉信号让我有信心,无需持续注视也能了解车辆的动作。”
与技术的互动有时被描述为车辆和驾驶员之间的一种协作关系。确实,一些参与者认为给他们的汽车或平视显示器(HUD,配有可定制的虚拟形象)命名会让他们的乘坐体验更加愉快和熟悉。- “当我买下这辆车时,我给它起名叫‘Roadie’,并创建了一个小虚拟形象来让它更有个性[...]。Roadie的虚拟形象会显示出来,同时还会显示从我家到办公室的路线地图。”- “有趣的是,当她向我解释Lola(HUD)的工作原理以及它在驾驶时的帮助时,我有一种似曾相识的感觉……我给HUD起名字,这有点奇怪吧?”- “当我用拇指上下移动时,我的指节会感觉到一些触感,就好像机器在和我击掌一样。这有点奇怪,毕竟它只是辆汽车,为什么要做出击掌的动作呢?”我们将这些观点理解为,通过触觉刺激实现的驾驶员与汽车之间的持续交流可能有助于建立一种安全感和信任感。
4.3.2. 交流——建立联系
参与者想象了在驾驶过程中可以与人交流的不同场景。这个话题主要在半自动驾驶模式(SAE L2-L3)下被提及,因为在这种模式下,汽车会提供高级驾驶辅助系统甚至某种条件下的驾驶自动化,从而显著帮助驾驶员完成驾驶任务,而驾驶员可以将部分注意力转移到其他事情上。例如,一些参与者想象通过“触摸汽车”在AR-HUD上与其他驾驶员交流。也就是说,如果汽车检测到有朋友的车靠近,HUD会弹出消息并提供呼叫他们的选项。- “显示屏显示我的健身伙伴Alexandra也迟到了,她的车在我后面两辆车位置。我在HUD上‘点击’她的车,然后给她打电话。”
人们认为交流会结合空气中的触觉反馈来增强与人交谈的体验,从而建立起亲密感。- “我打电话给我的妹妹,她把电话递给我4岁的侄子[...](他正在向我展示他的新鹦鹉玩具)。我假装抚摸它的玩具,感觉到手掌下的柔软绒毛……我快速向侄子飞了个吻,然后感觉到他的吻在我的脸颊上,之后挂断了电话。”- “我还可以感受到妈妈送给我脸颊上的‘空气之吻’,这让我感觉像在家里一样。”
在这个应用中,视觉信息要么是半透明的,要么被放置得不会挡住主要的交通场景。- “它们出现在我的HUD上,位置较低,让我仍然能够看到主要的道路交通情况。”
下载:下载高分辨率图片(145KB)
下载:下载全尺寸图片
图5. 在线调查的结构概述
4.3.3. 舒适性——旅途中的惬意感
参与者提到了驾驶过程中可能导致压力的因素(例如,交通拥堵),因此,在高自主驾驶水平(SAE L3)下,这项技术的一个常见应用是围绕放松和舒适性展开的。参与者设想利用汽车的自动化功能在旅途中放松。此时,手可以从方向盘上放下来,放在汽车的手肘扶手或驾驶员的膝盖上。- “在自动驾驶模式下,我感到更加放松,因为我不需要考虑路况。”- “我靠在椅子上放松,把手从方向盘上拿开,手臂放在扶手上。”- “我把手放在膝盖上,然后向后靠。”
当汽车检测到驾驶员的生物信号中有压力时,想象中的身体不同部位的触觉感受可以帮助他们。一些参与者认为,驾驶场景可以用于冥想,引导呼吸的同时伴有空气中的触觉效果。- “手臂上的反馈主要被用作放松/主动冥想的应用。”- “引导音频冥想开始播放,同时手掌和手指上会出现对应的触觉效果……当触觉轻柔地抚摸着她的手指和手掌时,她感到很放松。”- “我感觉到一阵轻柔的 breeze 在我的额头上前后移动:‘哦,我有点压力。’我开始随着这阵 breeze 的节奏呼吸,随着心跳恢复正常, breeze 也慢慢消失了。”
一些参与者将空气中的触觉感受描述为情感支持。- “如果汽车检测到乘客处于情绪困扰中,它会在你的手臂或脸颊上播放这种舒缓的反馈。我从没想过我们的汽车会有如此智能,能够提供情感支持。”
4.3.4. 生产力——在路上工作
参与者希望利用先进的技术在旅途中工作。例如,他们会提到使用自动驾驶模式(SAE L3-L4)来查看邮箱、设计PowerPoint幻灯片等。- “现在,有了我的自动驾驶汽车,我可以在整个旅途中保持高效,这是个很大的改进。”- “HUD会弹出界面,我可以轻松地查看当天的日历,只需在空中滑动手势就能安排会议。”
在这种情况下,驾驶员的手通常会离开方向盘,因为他们正忙于与各种控制器互动。不过,视觉信息是半透明的,仍然可以让人看到主要的交通情况。- “当我与3D演示中的物体交互时,我在创建、插入、移动和调整物体及文本大小时,会得到视觉和触觉上的反馈。就像在我的旧笔记本电脑上一样,只是更加方便,而且是3D形式的。”- “原型通过工作台上的3D显示器显示在我的驾驶舱内。我们查看原型,讨论具体的纹理、功能和特性,移动和调整场景的各个部分。”
参与者设想了与乘客共享生产性应用的方式,这样多人就可以一起使用HUD及其工具。- “……她[一位乘客]用手指捏住文档的边缘并拉开——这个动作会使文档放大。完成这个操作后,她会感到一阵轻微的凹槽感,并听到AR HUD发出的‘strrreeeetccchh!’声。”
触觉反馈不仅被用作通知机制,还用于帮助在旅途中进行虚拟键盘输入。- “我在创建、插入、移动和调整物体及文本大小时,会得到视觉和触觉上的反馈。”- “一个发光的蓝色虚拟键盘出现在AR HUD上方[...]。每当按下每个按键时,Cho[驾驶员]都会感觉到手指上的触觉反馈。”- “我能够在HUD上投射出一个小屏幕来显示我的幻灯片[...]。手和脸上的简单触觉反馈帮助我找到最适合的手势和眼神交流位置。”
参与者描述说,这些高效场景可能导致驾驶员沉浸在虚拟信息中,从而失去“现实感”。然后,他们设想触觉可以帮助驾驶员重新专注于道路。- “触觉提示我该再次集中注意力了,这让我迅速回到现实中。”- “我感觉到手上有一个强烈的脉动震动,伴随着哔哔声,HUD上还有闪烁的灯光。有些事情急需我的注意。我看向HUD,上面显示‘需要手动驾驶模式’。”
4.3.5. 娱乐——旅途中的乐趣
与上一个主题类似,一些参与者认为旅途中的时间可能会很无聊,或者至少可以更好地利用时间,一些娱乐活动会让旅途更加愉快。他们想象了在汽车处于自动驾驶模式时观看电影或玩电子游戏等不同活动。在这种情况下,手会离开方向盘,眼睛也不再看路,完全由汽车负责驾驶任务(SAE L4)。- “我去X路的路上很无聊,需要一些东西来提神。这一周真是很长。”- “我选择了一个娱乐选项,然后HUD会以带有增强效果的沉浸式细节显示这个选择。”
有些游戏被设想使用头戴设备来玩,这样驾驶员就不会分心看路了。- “在所有的兴奋之后,我需要一点消遣,于是决定快速玩一局Battlemaps。我戴上XR头戴设备,用手势导航到游戏应用。”
娱乐活动不仅针对驾驶员,也适用于车内的其他乘客。此外,不同的内容可以根据每位乘客的喜好进行定制。- “我在中央面板上为我和妻子设置了TV,然后把迪士尼的新互动角色显示在后面的显示屏上。”- “我看到她[一位乘客]看着前方飞来的东西,并试图保护自己的脸或胸部。偶尔她会挡住脸,好像有什么东西要撞到她一样。我试图参与进来,但可惜汽车不允许驾驶员玩游戏。”
触觉反馈不仅用于通知,还能辅助在旅途中使用虚拟键盘打字。- “我在创建、插入、移动和调整物体及文本大小时,会得到视觉和触觉上的反馈。”- “一个发光的蓝色虚拟键盘出现在AR HUD上[...]。每当按下按键时,Cho[驾驶员]的手指尖都会有触觉反馈。”- “我能够在HUD上投影一个小屏幕来显示我的幻灯片[...]。手和脸上的简单触觉反馈帮助我找到最适合的手势和眼神交流位置。”
参与者描述说,这些高效场景可能会让驾驶员完全沉浸在虚拟信息中,从而失去“现实感”。然后,他们设想触觉可以帮助驾驶员重新集中注意力于道路。- “触觉提示我该再次专注了,这有助于让我迅速回到现实中。”- “我感觉到手上有一个强烈的脉冲振动,伴随着哔哔声,HUD上还有闪烁的灯光。有事情急需我的注意。我看向HUD,上面显示‘需要手动驾驶模式’。”
4.3.6. 营销——触手可及的娱乐
参与者想象HUD上可能会显示的内容包括营销信息、广告和附近店铺的宣传。这些描述通常涉及到高自主驾驶水平(SAE L4-L5)下的乘客和非驾驶环境。- “...附近店铺的促销广告...”- “如果处于自动驾驶模式,任何店铺的广告都会出现在风挡的角落,告诉我们店铺的信息:里面有什么、平均价格、最佳购买时间、畅销商品等。”- “我们在Starbucks的得来速窗口买了咖啡。令我们惊讶的是,汽车能够检测到这一点,并在车内空中显示菜单。”
这些内容也被设想可以通过VR头戴设备实现互动。- “当然,如果你对那个店铺感兴趣,可以将信息传递给挂在座位边的头戴设备,从而获得店铺的360度视图。如果你没有时间停车,也可以虚拟购买商品并让它们送到家中。”
参与者描述了一些营销示例,其中伴随着触觉反馈来增强体验。- “我们可以用手滑动来浏览商品。我的朋友喜欢咖啡甜度稍高,所以在她准备再加第二泵糖浆时,汽车会轻轻提示她。到了第四泵时,提示变得更强烈,好像在提醒她已经够了。”
4.4. 第一阶段的反思及其对第二阶段的启示
这27种不同的场景以及从我们的研究参与者(大多数是从事无接触系统工作的工程师)那里得出的6个主题为我们构建了一个多元化的、合理的场景框架,展示了未来半自动驾驶和全自动驾驶汽车中如何集成空中触觉和AR-HUD。工程师在描述技术时往往更持积极态度(Erden, 2003)。因此,我们特意在问题中引导参与者思考他们设计可能产生的负面影响(见图3),这也是为什么我们包含了关于预见性、反思性、包容性和响应性的问题。
虽然有些场景看起来很未来主义(基于我们设定的2028年的背景),但它们并不是完全虚构的,而且与当前的趋势和最新科学研究结果相符。例如,研究表明空中触觉可以增强用户的自主感(Patricia等人,2017年),并且已被广泛用于通过模拟与虚拟对象的触觉互动来让用户感到安心(Sand等人,2015年;Freeman,2022年;Rakkolainen等人,2019年)。此外,空中触觉技术已经证明了其传达情感的能力(Obrist et al., 2015),最近的研究还探讨了通过触觉刺激面部和嘴唇来模拟接吻等感觉(Gil et al., 2018, Shen et al., 2022)。这项技术也被应用于游戏和电影体验中(Ablart et al., 2017),并且被研究作为虚拟购物的工具(Georgiou et al., 2022b)。然而,一些参与者在车辆通过触觉方式通知他们某些事情时也感到一种奇怪的感觉,有时这可能是不希望的。“为什么一辆车会抚摸我?它只是一台机器……”“当我只是放松、聊天或喝咖啡时,我不希望这些触觉功能处于活跃状态。”因此,特别是关于最终响应部分,引发了伦理方面的担忧。实现这些专家设想的情景需要大量的工程努力,并且需要多种技术的无缝集成,以确保安全和有价值的用户体验。但是,非专家和普通驾驶者会对这些情景有何看法?在收集用户反馈之前,是否有必要投入大量的时间和资源来开发这些技术?为了解决这个问题,我们进行了一项探索性研究,以了解驾驶者对这六个提出的情景的看法。为此,我们首先需要为每个主题生成代表性故事板,并以易于理解和访问的格式进行可视化。
下载:下载高分辨率图像(952KB)
下载:下载全尺寸图像
图6. 参与者设想的自动驾驶HUD中的空中触觉技术应用:(1)安全性——提供与汽车之间的信任感和合作感;(2)沟通——创造“更亲近”的体验;(3)营销——创造更吸引人的产品评估体验;(4)幸福感——提供放松效果;(5)生产力——作为高效任务中的确认机制;(6)娱乐——改善游戏化体验。完整的故事板可以在附录中看到。
5. 第二阶段:从参与者情景到高保真度故事板
有了27个参与者生成的情景和6个确定的主题,我们的下一个任务是获取最终用户的反馈,并探索与汽车环境中技术接受度、负责任创新和伦理问题相关的主题。为了有效地向非专业观众传达涉及空中触觉反馈和AR-HUD系统的这些复杂主题,我们采用了通过详细故事板进行视觉叙事的方法。故事板在用户体验和产品设计中被广泛认为是强有力的工具,能够以引人入胜且易于理解的方式传达叙事(Haesen et al., 2010)。根据Van der Lelie的说法,故事板提供了一种共同的视觉语言,可以弥合设计师、客户和用户之间的差距,通过将互动置于现实生活场景中来支持共鸣和分析(Van der Lelie, 2006)。同样,Gruen等人强调,故事能够以一种让不同受众产生共鸣的方式捕捉用户的目标、环境和活动,使复杂技术变得相关和易于理解(Gruen et al., 2002)。在我们的项目中,故事板作为一种手段,用于直观地描绘与未来汽车界面的假设互动,从而使参与者能够想象自己处于这些情景中并提供反馈,即使他们从未见过AR-HUD、感受过空中触觉,或者没有坐在L1或更高级别的半自动驾驶车辆中。
受到27个情景的启发,并由6个确定的主题(安全性、沟通、幸福感、生产力、娱乐和营销)指导,我们继续开发了6个叙事线索。为了生成这些故事板,首先由两位作者独立进行了归纳性主题分析,分析了从专家那里收集的27个文本叙述。然后通过所有作者的协作讨论,比较并整合了出现的分类,得出了六个主要的跨领域主题。这些主题分组直接决定了每个故事板的叙事焦点。最终的故事板没有再与27位专家参与者进行验证,因为我们的目的是测试这些专家驱动的想象将在第二阶段如何被普通参与者解读和重新背景化。每个结果故事板结合了原始27个情景中精心挑选的元素,以确保相关性和真实性。重要的是,这些叙述去掉了所有技术术语和技术行话,使其易于非专业观众理解。例如,没有提到SAE级别。此外,我们还编写了具体的、相关的场景、汽车类型、用户头像和情境背景。对于每个叙事线索,我们描述了汽车类型、汽车环境、驾驶员头像、乘客、外部环境、AR-HUD类型和位置、触觉设备的位置。在可能的情况下,我们还提供了从互联网上获取的示例图像。
故事板的创建过程包括几个步骤。首先,每个主题叙述被分解为一个序幕来设置场景,以及6到7个帧,结构类似于漫画书网格布局,使读者能够直观地跟随故事的进展。这些帧展示了与汽车空中触觉和AR-HUD系统的顺序互动,指定了动作、手势和情感反应。正如Lewis等人所解释的,草图和故事板在人机交互中非常有效,因为它们超越了语言障碍,通过直观且普遍可以理解的视觉方式传达想法(Lewis et al., 2017)。为了确保高质量的视觉效果,我们与一位专业的草图艺术家合作,他因其在叙事插图和作品集风格方面的经验而受到选中。艺术家收到了一份全面的简报,包括12张幻灯片(每个主题两张),概述了叙述细节和预期的视觉风格。我们还进行了“身体风暴”环节,在其中 мы扮演了某些场景,拍下了图像来展示参与者可能与HUD和触觉界面的互动方式(Oulasvirta et al., 2003)。然而,艺术家被给予了创作自由,尝试不同的风格和情境变化,同时保持对初始简报的忠实。这种方法帮助艺术家准确地描绘了身体姿势、手势和注视方向,为插图增添了一层真实性。
通过多次迭代,从粗略的草图到带有详细叠加层和注释的精细视觉效果,我们改进了每个故事板,以捕捉每个情景的细微差别。这个迭代过程确保了最终的故事板在视觉上吸引人且在主题上准确。结果是一组高保真度的故事板插图,现在已经包含在附录中,以一种非专家全球观众容易理解的方式传达了所设想的互动。如图6所示,这些故事板展示了AR-HUD和无接触系统的组合,特别是空中触觉反馈,视觉上描述了其价值、趣味性,并总体上展示了与技术的积极互动。例如,故事板旨在提供与汽车之间的信任感和合作感(1),创造“更亲近”的体验(2),创造更吸引人的产品评估体验(3),提供放松效果(4),在高效任务中提供确认(5),以及改善游戏化体验(6)。这些假设情景是否会引起最终用户的共鸣?
6. 第三阶段:探索研究和结果
一旦我们获得了工程师对他们如何想象未来汽车中AR-HUD互动中空中触觉集成方式的看法,并创建了6个描述空中触觉实用性的故事板——安全性、沟通、营销、幸福感、生产力和娱乐,接下来我们进行了一项在线调查,询问来自不同国家的驾驶者对故事板中描述的技术接受度和用户界面的反馈。
在这项研究中,我们选择开发了一个定制设计的问卷,以针对半自动驾驶未来驾驶场景中空中触觉和AR-HUD技术的特定背景。虽然像技术接受模型(TAM)、系统可用性量表(SUS)和用户体验问卷(UEQ)这样的标准工具广泛用于评估技术接受度和可用性,但它们主要是针对成熟的技术或简单的互动进行优化的。例如,TAM主要关注感知到的有用性和易用性。当应用于高度新颖和推测性的技术时,这种关注有其局限性,因为用户的看法可能受到陌生感和假设情景的影响(Ajibade, 2018)。同样,尽管SUS是评估各种系统普遍可用性的有效工具,但它主要关注易用性和满意度,可能无法涵盖涉及能动性、参与度和伦理考虑的未来互动(Lewis, 2018)。基于这些原因以及我们设计的定制故事板,我们设计并使用了一个定制问卷,旨在提供对自治车辆中空中触觉和AR-HUD等推测性技术用户态度的细致理解。
6.1. 调查
调查是在SurveyMonkey平台上设计的,首先提供了关于研究的信息,并请求参与者同意参与。然后我们收集了参与者的个人信息,如年龄、性别和驾驶频率。还询问了参与者当前驾驶的国家以及他们汽车目前拥有的技术类型(例如GPS、驾驶辅助、触摸屏、HUD等)。在展示故事之前,向参与者介绍了故事中使用的3个关键概念(因为他们可能不熟悉所涉及的技术)——自动驾驶、AR-HUD和无接触互动。每个概念都配有书面描述、技术插图和视频(来自YouTube),展示了该概念的实际例子。对于自动驾驶,以特斯拉自动驾驶汽车作为SAE级别2的例子(Tesla, 2019)。对于AR-HUD,展示了华为的AR-HUD概念(Huawei Network, 2021),而对于无接触互动,则使用了Ultraleap的汽车触觉和手势控制示例(Ultraleap, 2020)。然后,为了最小化潜在的顺序效应,参与者以调查应用定制的顺序看到了六个故事板。每个故事板由6-7个帧组成,描绘了每个主题的设计情景——安全性、沟通、营销、幸福感、生产力和娱乐。完整的故事板可以在附录中看到。对于每个故事,参与者被要求回答一系列分类问题:
- 技术接受度:参与者被要求使用李克特量表(从1(完全不)到5(极度)评估每个情景在可行性、社会可接受性、安全性、可取性、文化多样性、积极性和未来性方面的程度。
- 用户界面:参与者还被要求使用李克特量表(从1(完全不)到5(极度)评估每个情景中显示的用户界面在实用性、美学、可用性、认知要求、可定制性和真实性方面的程度。
由于技术接受度和用户界面的问题涉及数字量表,我们将收集的数据视为定量数据。
- 负责任的研究和创新(RRI):我们有兴趣探索驾驶者对这些技术的负责任创新的看法。这是因为驾驶者可能是这些技术的潜在消费者,因此是相关的利益相关者。因此,参与者还被问到了工程师在预期研究中回答的问题,关于预期、反思性、包容性和响应性(见图3)。由于这些问题涉及开放式答案,我们将收集的数据视为定性数据。
图5显示了调查结构的概览。调查大约持续了80分钟完成。当地伦理委员会批准了这项研究,参与者每小时获得9英镑的报酬。
参与者:共有135人参与了调查(通过Prolific在线平台招募),其中65人来自美国,48人来自英国,22人来自其他国家,包括澳大利亚、南非、德国、丹麦、意大利、葡萄牙、波兰和日本。49人年龄在35岁以下,43人在35至45岁之间,43人超过45岁。有69人标识为男性,64人为女性,2人为其他性别。他们要求每周至少驾驶一辆汽车,并且目前持有有效的驾驶执照作为纳入标准。
研究的局限性之一在于第三阶段的资源密集型性质。每位参与者在大约80分钟的长时间内参与了六个故事板的讨论。虽然这种设计能够在定量和定性维度上获得丰富的反馈,但可能会导致疲劳效应,可能影响调查后期的注意力和一致性。此外,这种长度可能将参与者群体限制在那些有时间和意愿参与相对较长调查的人身上。尽管我们提供了公平的报酬(9英镑/小时,总共1620英镑,覆盖135名参与者),但这样的成本和参与程度可能会限制我们的研究结果在资源较少的环境中或在更大规模的人群中进行复制的可能性。尽管如此,我们认为这种设计是必要的,以便深入探讨复杂的假设性情景。未来的工作可以探索更短或模块化的格式,以提高可访问性并减轻负担。
其次,虽然我们有意从九个不同的国家招募参与者以捕捉多样化的观点,但样本主要集中在美国(n=65)和英国(n=48)。这种不平衡限制了跨国比较的可靠性,因为其他大多数国家仅由少数参与者代表。因此,我们的发现不应被解释为完全代表全球态度。
最后,虽然假设性故事板是引发富有想象力和道德反应的有效工具,但参与者实际上是在对假设性情景做出反应,而不是基于真实经历。这可能会限制生态效度,并导致基于感知的合理性而非实际互动模式的回应。
6.2. 结果
图7显示了技术接受度(未来性、社会可接受性、安全性、积极性、消极性、可取性、可行性和文化多样性)和用户界面(实用性、美观性、可用性、认知负荷、个性化以及真实感)的定量结果。所有收集的数据都使用Mathematica v12和Google Colab中的Python进行分析,结合了pandas、numpy、scipy和statsmodels等库来进行数据处理和统计测试。
下载:下载高分辨率图像(392KB)
下载:下载全尺寸图像
图7. 按技术接受度(a)和用户界面(b)分组的在线调查定量结果摘要。
6.2.1. 统计显著性测试
我们首先通过Shapiro-Wilks测试探索了因变量的分布,该测试表明数据可能呈非正态分布(所有测试的p<0.001)。然后我们对参与者记录的每个因素应用了Friedman测试(将数据按技术接受度和用户界面分组),接着进行了带有Bonferroni校正的Wilcoxon符号秩测试,以评估不同情景之间的差异。图7显示了定量结果的摘要。
在技术接受度方面,Friedman测试显示所有测试因素都受到情景的显著影响(所有p<0.001),除了“未来性”因素,所有情景的评分都相当高(M≈4,SD≈0.93)。参与者认为安全性情景更安全(M=3.26,SD=1.01)、更可取(M=3.34,SD=1.16)和更可行(M=3.41,SD=1.04),而营销情景的评分较低(M=2.91,SD=1.31),并且在几个因素上的得分也较低。使用Wilcoxon测试进行的成对比较显示了统计上的显著差异,见附录中的图16。这些差异表明,每种情景的独特目的和背景影响了参与者的感知,反映了潜在的文化差异。例如,生产力和娱乐情景之间的显著对比可能表明来自不同文化背景的参与者对工作相关和休闲活动的重视程度不同。在许多文化中,与生产力相关的技术通常与专业性和结构联系在一起,这可能会影响对可行性和接受度的看法。相反,以娱乐为中心的情景可能因文化对休闲和非工作相关技术的态度不同而产生不同的反应。这些见解强调了设计时要考虑用户期望和文化多样性的重要性。解决这些差异可以通过使技术开发符合特定文化的需要和价值观来增强用户的信任和参与度。
在用户界面方面,Friedman测试(见图16)显示所有测试因素都受到情景的显著影响(所有p<0.001),除了认知负荷因素,因为所有情景的评分相似(M=2.8,SD=1.2)。然而,安全性情景被认为更具实用性(M=3.5,SD=0.9)和真实感(M=3.33,SD=1.03),娱乐情景更具个性化(M=3.8,SD=0.93)和美观性(M=3.6,SD=1.04),而营销情景在实用性(M=2.6,SD=1.18)、美观性(M=2.8,SD=1.22)、个性化(M=3.2,SD=1.05)和真实感(M=2.6,SD=1.15)方面的评分最低。
因此,我们对调查数据的统计分析发现,参与者对技术的接受度及其对用户界面的看法因具体情景主题而显著不同。就技术接受度而言,“安全性”情景被视为最安全、最可取和最可行的,而“营销”情景的评分较低。对于用户界面因素,“安全性”情景也被认为最具实用性和真实感,而“娱乐”情景在个性化和发展方面得分最高。相反,“营销”情景在多个维度上的评分最低,包括实用性、美观性和真实性。认知负荷和未来性吸引力在所有情景中的评分相似。
这些发现与典型的汽车技术用户期望一致:对安全功能的高评价反映了用户对安全的优先考虑,而娱乐功能在个性化和美观性方面的得分较高,因为其具有可适应性和视觉吸引力。营销功能在实用性方面的较低评分可能源于用户认为这些元素不太重要或甚至具有侵入性。认知负荷和未来性吸引力在所有情景中的相似评分表明,由于它们的假设性质,所有情景都感觉相似地“未来化”,突出了用户对安全性和实用性的偏好以及对个性化娱乐的选择性兴趣。
为了更深入地了解这个丰富的数据集,我们分别使用主成分分析(PCA)和自然语言处理(NLP)方法处理了数据集的定量和定性部分。
6.2.2. PCA结果
PCA是一种统计技术,用于减少数据集的维度,同时尽可能保留数据中的变化。鉴于我们数据集的复杂性,其中包括来自不同参与者群体的14个属性(如年龄、性别、位置),PCA被认为是一种适当的工具,有助于减少维度并识别技术接受度和用户界面感知中的主要模式。
作为PCA流程的输入,我们使用了参与者对6个故事的回答的平均值和所有14个属性的值,从而生成了一个6×14的矩阵,然后对其进行标准化(减去均值并除以标准差),并用来计算其协方差矩阵的14个特征向量和对值对。特征向量是主成分(PCs),它们的对值提供了每个主成分中包含的方差信息,我们发现这些方差迅速衰减到零:11.08, 2.26, 0.48, 0.29, 0.00, …。Kaiser-Guttman标准认为,任何方差小于1的主成分包含的信息少于原始属性之一,因此不值得保留。因此,我们只保留了前两个PC,PC1和PC2,它们分别捕获了整个数据集90%(74%和16%)的变化。由于每个PC都是原始15个属性的线性组合,我们可以在图8左侧绘制它们的特征贡献。因此,PC1和PC2是长度为14的单位向量,其值等于图8左侧绘制的14个点的x和y坐标。
观察图8(左侧)和不同属性在x轴上的分布,我们可以推断PC1代表了对技术的整体积极感知——这些技术有多可取、多实用、多安全、多可用以及正面评价。在“未来性”上的负加载可能表明,技术越被视为真实和当前可应用的(而不是过于未来化或不切实际的),在其他维度上的评价就越高。同样,“消极性”上的负加载强化了PC1捕捉了对技术的整体积极情绪的观点。对于y轴,我们可以推断PC2可能代表了技术带来的认知负荷与其个性化和积极方面的权衡。在PC2上得分高的技术可能提供高个性化,并被积极评价,但也可能由于它们对用户的认知要求而被视为不太可行、不安全或不实用。在“未来性”上的正加载和“安全性”等属性上的负加载表明,更未来化的技术可能被认为会带来更大的认知负荷,从而在调查参与者的眼中显得不太实用或安全。
通过使用点积将6个故事投影到维度减少后的PC空间中,我们可以更好地可视化它们之间的相似性和差异,如图8(中间)所示。点之间的距离表示这些故事在两个PC方面的差异。具体来说,我们观察到沟通、生产力和幸福感方面的情景得分相似,而安全性和娱乐性的评分最高,营销故事的评分最低。
下载:下载高分辨率图像(192KB)
下载:下载全尺寸图像
图8. 左侧:PC1和PC2的特征贡献,这是我们协方差矩阵的两个主要特征值。PC1在几乎所有属性上都有正加载,除了“未来性”和“消极性”具有负加载。PC2在“个性化”和“积极性”上有显著的正加载,以及在“认知负荷”上有非常显著的负加载,同时在“安全性”和“实用性”上也有负加载。中间:每个故事的属性在PC空间上的点积投影。右侧:根据主要人口群体标准化的每个故事板的PC1结果。
根据年龄、性别和位置对原始数据集进行分段,并将该数据投影到PC1维度上,使我们能够进一步识别一些人口趋势和偏好。为了便于进行这样的比较,图8(右侧)通过从每个人口的PC1值中减去全部数据的PC1值来标准化数据。请记住,PC1代表了对技术的整体积极感知,并捕获了所有数据变化的75%。由于来自美国和英国以外的国家只有22名参与者的数据,我们在这里将他们归为“其他”。
从图8(右侧)中,我们观察到:(1)男性通常比女性对所提出的技术用例更持积极态度;(2)英国参与者认为生产力和幸福感技术用例(故事3和4)不如美国和其他国家的人有吸引力;(3)45岁以上的成年人更喜欢沟通和营销用例,但不喜欢幸福感用例;(4)35-45岁年龄组对所有技术用例的积极态度普遍较低,而35岁以下的人更喜欢幸福感用例。
因此,PCA发现和使用Wilcoxon测试进行的成对比较的解释相互补充,提供了不同层次的洞察。例如,PCA观察到的英国参与者对生产力和幸福感情景的兴趣较低,这与基于Wilcoxon的发现直接相关,即文化价值观影响情景接受度。
表1. NLP结果摘要
问题 | 安全性 | 沟通 | 生产力 | 幸福感 | 娱乐 | 营销 |
| --- | --- | --- | --- | --- | --- |
| 谁会受益 | 独立和驾驶的个体 | 忙碌且熟悉技术的司机 | 长途通勤的忙碌个体 | 以幸福感为中心的技术用户 | 长途驾驶中的娱乐爱好者 |
| 可能受到伤害的个体 | 因故障而受到影响的个体 | 受到驾驶和道路安全问题的司机 | 依赖技术的司机 | 受到分心风险的道路使用者 |
| 无法使用技术的人 | 经济上处于不利地位的人 | 经济或身体条件不佳的人 | 无法接触新技术的人 | 经济落后和技术孤立的人 |
| 新风险 | 驾驶中的技术故障 | 分心和恶意使用 | 黑客攻击和数据滥用 | 数据泄露和过度依赖 | 过度依赖和社会隔离 |
| 避免风险 | 实施测试和改进 | 负责任地使用技术 | 实施强大的安全措施 | 限制技术使用以确保安全 | 防止技术被黑客攻击 |
| 责任 | 技术公司和制造商 | 技术公司和政府监管 | 利益相关者之间的共同责任 | 汽车制造商和软件开发者 |
表1总结了NLP的结果。
6.2.3. 定性数据的NLP结果
为了解释和总结六个故事板的定性反馈(RRI答案,关于预期、反思性、包容性和响应性),我们使用了高级自然语言处理(NLP)技术。我们首先使用nltk库对文本数据进行预处理,应用了word_tokenize进行分词和PorterStemmer进行文本规范化。数据清洗使用了pandas,利用dropna()方法删除缺失值和str.replace()方法精炼文本。对于主题分析,我们使用scikit-learn中的TF-IDF(词频-逆文档频率)方法将评论转换为数值格式。情感分析是通过使用nltk.sentiment中的SentimentIntensityAnalyzer来进行的,以评估回复中表达的总体态度。为了识别和量化反复出现的主题,我们利用了scikit-learn中的LatentDirichletAllocation类。最后,提取出的主题被合成为简洁的描述性短语,并在比较表1中系统地组织起来。在每个阶段,都进行了人工验证,以确保分析捕捉到了重要的细微差别,并且没有忽略任何重要的见解。最后,图9显示了参与者在每种情景中回答时最常重复使用的词语。通过自然语言处理(NLP)揭示的主题模式与参与者评分中观察到的统计趋势非常一致。例如,“安全”情景在我们的定量数据和统计显著性测试中获得了最高的可行性与实用性评分,这在表1和图9的NLP发现中也得到了体现,参与者强调了“技术的安全性和好处”,并建议“测试和改进”作为风险缓解策略。同样,“营销”情景在多个界面维度(如现实感、实用性)上的评分最低,这与参与者叙述中反复出现的“失控”和“事故增加”的恐惧相关。这些担忧反映了该情景在统计上的较低接受度和可用性评分。在所有情景中,用户对于信任、责任和可访问性的关注(通过NLP揭示)加强并细致化了我们在主成分分析(PCA)和Wilcoxon分析中发现的人口统计和基于情景的差异。
下载:下载高分辨率图片(770KB)
下载:下载全尺寸图片
图9. 参与者在回答关于预期、反思性、包容性和响应性的RRI问题时最常重复使用的词语。
7. 讨论
我们的推测性和探索性研究旨在在这些技术真正进入市场之前,预测工程师和驾驶员可能产生的担忧和风险。通过包括成对显著性测试、PCA和NLP在内的多种统计技术,我们得出结论,所有六个叙述中的135名参与者(见图6)都强烈相信这些新兴技术有潜力提升驾驶体验。然而,一个反复出现的担忧是这些技术的可访问性问题,因为社会经济和技术差异可能会阻碍某些群体充分受益。隐私、数据安全以及技术的潜在滥用成为主要问题,尤其是在通信、福祉和营销情景中。这突显了需要强有力的责任机制,因为参与者始终质疑在技术故障或滥用情况下的责任问题。此外,参与者经常提到个人联系和情感满足的重要性——尤其是在通信和福祉情景中,他们在车内感受到与家人亲近或享受陪伴的能力受到高度重视。这种人文关怀表明,除了功能性的提升外,技术的接受程度可能还取决于其支持用户情感需求的能力,特别是对于那些生活孤立或忙碌的人来说。
另一个反复出现的主题是对定制和界限的控制渴望。在多个情景中,参与者表达了希望能够调整或限制技术如何融入他们的驾驶体验,特别是在通信、娱乐和营销情境中。这种愿望表明了对适应性、可定制技术的需求,这种技术应该尊重个人界限,并允许用户管理显示的信息量、互动的时间以及技术的侵入感。参与者还强调了过度依赖技术的担忧,担心这可能会降低人类的专业知识和注意力,特别是在安全和生产力情景中,造成危险的随意性。这种担忧还涉及到娱乐和通信功能可能带来的分心问题,强调了即使车辆自主性增强,保持驾驶员专注的重要性,以防止安全风险。此外,关于技术的潜在滥用(如黑客攻击、不道德的应用或不可预见的后果)的担忧也在所有情景中出现,涉及安全、福祉和营销方面。
一些参与者还表达了关于技术可扩展性的社会和环境影响的大局考虑。虽然这些考虑较少见,但它们揭示了关于大规模采用的社会影响的问题,包括与生产先进车辆模型相关的环境问题,以及围绕物理互动的社会规范的潜在变化,反映了需要与集体价值观一致的技术。
最后,不同使用案例中的感知存在差异。例如,安全和通信情景通常被视为有益的,而营销叙述中的担忧则集中在专业驾驶员可能失去工作以及将广告整合到驾驶中的伦理界限上。特别是营销情景的商业元素引发了怀疑。这与安全和福祉技术的积极接受形成了鲜明对比,突显了参与者对驾驶与商业干扰结合的不适。
这些发现直接反映了我们的三个研究问题(见第3节)。RQ1探讨了专家对空中触觉和AR-HUDs的想象,为构建面向用户的调查提供了基础。RQ2通过定量和定性评估普通参与者的反应来解决,其中年龄和驾驶经验等人口统计因素影响了接受度、担忧和情感反应的模式。RQ3关注预判性人机界面(HMI)设计的伦理和体验影响,在前一节中已经进行了讨论,下面将进一步探讨,如信任、定制、情感共鸣和负责任创新等主题作为关键的设计考虑因素。通过这种三阶段方法,我们将专家的预见转化为公众的反思,最终得出了关于新兴汽车用户体验的预期见解。
7.1. 社会接受度的控制-连接轴
综合来看,六个情景中的叙述、回应和数据揭示了参与者反应背后的更深层次结构:在控制欲望和连接欲望之间寻求一种持续的平衡。一方面,参与者重视那些允许他们自定义参与程度、调整信息流并保持自主性的系统;我们可以称之为控制导向。这一点在对于过度复杂的平视显示器(HUD)的担忧中得到了体现(如营销和娱乐情景),以及对于在手动和自动模式之间切换的兴趣(如安全和生产力情景),以及对于定制触觉或感官反馈的重视(如福祉情景)。另一方面,参与者通常对那些能够促进连接感的技术反应积极,无论是与其他人(如通信、娱乐或营销),与车辆(如在安全情景中),还是与自己的身体和情感(如福祉情景)。这些反应凸显了人们对情感上共鸣、社会上有意义且能感知上下文的技术的渴望。
这表明,未来汽车HMI设计的更大挑战不在于解决孤立的可用性问题,而在于驾驭动态的控制-连接轴。在我们多样化的推测性情景中,参与者的偏好始终围绕这两个极端聚集。当技术帮助用户在保持有意义连接的同时感到控制时,它们会被接受;而当技术似乎牺牲其中一个极端以偏向另一个极端时,例如过度自动化削弱了用户的自主性,或者侵入性界面干扰了亲密感或专注度时,它们则会被拒绝。因此,我们提出控制-连接轴作为预测社会接受新兴车内技术的启发式工具。它突出了一个核心的设计难题:如何构建既能增强用户自主性又不牺牲情感共鸣和社会相关性的系统。通过明确这一权衡,设计师、工程师和政策制定者可以更好地将新兴界面与公众期望、伦理关切和生活需求对齐。
从第6.2节的定量和定性结果出发,通过这个控制-连接轴的视角,我们可以统一地理解社会对汽车技术的接受度可能如何构建。在一端,我们发现了强调连接、情感、人际互动或沉浸式的情景。通信、福祉和娱乐情景在个性化、美学和积极情感影响方面得分最高(见图7)。NLP分析进一步显示,这些情景因其关系深度而受到赞赏,反复出现诸如“陪伴”、“放松”和“与他人更亲近”等主题(见表1)。这些界面之所以能够共鸣,是因为它们帮助用户感到情感上的支持和社交上的融入;这是以连接为导向的设计的核心特征。在轴的另一端,安全和生产力情景强调控制,为用户提供信心、结构或增强的情境意识。这些情景在可行性、实用性和现实感方面得分很高,用户的评论中经常提到自主性、风险降低或明确界限的重要性。特别是安全情景在PCA中与“现实”和“实用”维度高度一致(见图8,左侧),反映了基于控制的设计逻辑。
有趣的是,营销情景在这个轴上难以找到一个稳定的位置。它在控制(例如低实用性和个性化)和连接(例如低情感共鸣和高感知侵入性)方面得分较低。这种模糊性可能解释了其负面评分和参与者的怀疑态度。未能提供清晰的用户自主性或有意义的连接似乎削弱了其可接受性。这个轴还有助于理解PC2,它将认知负荷与个性化和个人化进行了对比。在情感上吸引人但精神上要求高的情景(例如娱乐)在PC2上得分较高,表明未来的系统必须在保持参与度的同时平衡可管理性,以防止超出控制的范围。
简而言之,我们的发现表明,对推测性汽车界面的接受并非随机或零散的,而是围绕双重欲望构建的:感到控制感和连接感。当技术同时支持这两点时,它们会被接受,例如通过个性化代理提供安慰的安全系统,或者不会压倒驾驶员的福祉系统。相反,当系统削弱了其中一个方面(例如过度自动化降低了自主性,或者侵入性界面破坏了亲密感或专注度)时,它们会引发抵制。
7.2. 进一步的技术发展
在识别了所有这些优点和缺点、挑战和机会之后,显而易见的是,为了使我们选定的新兴汽车技术安全、有趣且广泛可访问,行业利益相关者应该关注参与度、安全性和包容性。为此,我们在下面扩展了这些主题,提供一些更实用的指导,以帮助指导未来的技术研发工作。
1. 减少对技术的过度依赖:跨所有情景的一个反复出现的担忧是对自动化系统的过度依赖,这可能导致驾驶员技能下降和随意性增加。研究表明,减少驾驶任务中的身体参与度会降低情境意识(Meschtscherjakov等人,2015;Chu和Liu,2023)。空中触觉可以通过提供强化驾驶员注意力和控制的反馈来帮助克服这一问题,从而在关键时刻促进参与。AR-HUD也可以提供提醒或显示确认信号,支持驾驶员保持警惕而不分散对道路的注意力。
2. 管理分心和参与度:参与者对沉浸式技术的分心表示担忧,尤其是娱乐和福祉应用。事实上,研究表明,长时间的分心会降低情境意识,增加风险(Vogelpohl等人,2019)。AR-HUD可以通过显示与情境相关的提示(例如周围车辆)来支持专注力,提高情境意识(Rebensky等人,2022),提醒保持注意力并提高驾驶表现(Stojmenova Pe?e?nik等人,2023),而嵌入式HUD基础的小游戏可以通过与驾驶环境的整合来安全地提升精神参与度(Wu等人,2023;Lakier等人,2019;Schroeter等人,2014;Steinberger等人,2015;Steinberger等人,2017)。空中触觉还可以通过提供轻柔的触觉反馈来帮助重新引导注意力,并在需要时赋予一种自主感(Patricia等人,2017)。因此,重点应放在避免完全依赖技术上,并保持一定程度的人类监督和责任。
3. 确保数字触碰的安全性和伦理标准:在无接触交互中,尤其是在通信情景中的空中触觉,安全和同意是一个主要问题。数字触碰需要安全保障,以防止未经授权的感觉,确保隐私和伦理使用。从这个角度来看,人们越来越关注数字触碰可能对社会产生的影响(Cornelio等人,2023),例如数字触碰的伦理和价值观(Barrow等人,2025;Jewitt等人,2020)。此外,在基于触碰的交互中融入强大的数据加密和同意机制对于用户信任和安全至关重要。驾驶员重视连接功能,但这些功能必须防滥用,并提供明确的定制选项以保护用户隐私。
4. 提高可访问性和包容性:关于技术可访问性的担忧突出了社会经济差异和潜在的工作流失,特别是在营销和自动化情景中。为了提高包容性,可定制的AR-HUD可以满足各种用户需求,而分级定价模型可以扩大可访问性。此外,在营销背景下,非侵入式广告对于避免分散驾驶者的注意力至关重要,同时应为驾驶员提供明确的退出选项。最后,表2和表3基于上述研究结果提供了定制的见解和可操作的建议,以满足包括原始设备制造商(OEMs)、政策制定者、研究人员和技术设计师在内的关键利益相关者的多样化需求和优先事项,以努力弥合用户关切与未来发展之间的差距。
表2. 针对不同场景的具体见解和建议。
| 场景 | OEMs | 研究人员 | 政策制定者 |
|------|----------------|------------------|----------------------|
| 安全 | 为老年驾驶员设计具有触觉反馈的系统和保持参与度 | 研究最佳触觉间隔以增强参与度而不让用户感到负担 |
| 沟通 | 开发具有隐私控制的HUD,并在驾驶时仅限语音功能 | 调查使用触觉和AR提示时的注意力分散平衡 |
| 生产力 | 引入任务时间限制和微中断以保持驾驶员意识 | 探索“微中断”对使用生产力工具时情境意识的影响 |
| 健康 | 创建具有触觉反馈的放松功能,温和地保持驾驶员警觉 | 研究触觉反馈对不同年龄组警觉性的影响以及适应性放松 |
| 娱乐 | 在主动驾驶期间将娱乐功能限制在低参与度模式下 | 检视触觉如何在娱乐使用中增强情境意识 |
| 市场营销 | 允许用户自定义广告过滤器并根据偏好设置广告 | 研究用户对AR-HUD中广告的反应以及触觉对广告参与度的影响 |
表3. 针对不同受众的具体见解和建议。
| 目标受众 | 场景和人口统计特征 | 含义及可操作建议 |
|--------|------------------|-----------------------------|
| OEMs | 安全和娱乐:对过度依赖和分心的高度担忧,尤其是老年驾驶员;生产力:年轻用户对提高生产力的功能感兴趣 | 优先设计直观且情境感知的警报,防止过度依赖;考虑基于年龄的功能定制选项。在娱乐应用中进行严格的安全测试,以减少驾驶员分心。 |
| 设计师(UX/UI) | 沟通:对触觉功能的隐私担忧;健康:由于自动驾驶模式下的疲劳风险,对放松辅助工具的反应不一 | 在非接触式界面中整合隐私控制选项。使用微妙的、非侵入式的反馈机制来支持放松,同时不降低驾驶员的参与度。 |
| 汽车研究人员 | 健康和沟通:AR-HUD和空中触觉反馈表明了减压和参与风险的迹象;生产力:不同年龄和性别对界面复杂性的不同偏好 | 在未来的研究中探索基于年龄的定制和适应性界面复杂性。进一步探究AR-HUD和空中触觉反馈在减压和注意力之间的平衡。 |
| HCI研究人员 | 沟通和市场营销:数字触觉交互中的隐私和同意问题至关重要;NLP分析显示用户喜欢感官反馈,但担心被滥用 | 专注于设计安全、基于同意的框架,以防止在敏感场景中的滥用。考虑进行纵向研究,以评估用户随时间的信任和隐私满意度。 |
| 政策制定者/监管者 | 市场营销:担心侵入式广告影响驾驶注意力;安全:强烈希望技术故障时能有更好的责任机制 | 制定限制营销侵入性的指导方针,可能仅在自动驾驶模式下限制广告显示。为技术故障建立明确的责任框架,特别是在安全相关应用中。 |
7.3. 对预见性和创新理论的启示
通过这项研究,除了上述直接的技术见解外,我们还通过展示如何使用预见性框架来概念化未来并生成结构化、可分析和可操作的见解,为预见性、推测性设计和负责任创新这一持续讨论做出了贡献。具体来说,通过结合推测性草图、参与式反馈和多模态分析,我们的方法体现了我们提出的应用形式的预见性共同设计,即一种混合研究策略,使利益相关者能够反思仍处于发展中的新兴技术。负责任研究和创新(RRI)的核心原则之一是在设计和开发过程早期就需要反思性和包容性(Stilgoe等人,2013年;Von Schomberg,2013年)。与传统的技术评估不同,我们的方法在技术功能最终确定之前就整合了伦理和社会反思,使用插图式的故事板来获取用户的价值观、期望和担忧。这与Brey的预见性伦理框架(Brey,2012年)及其由Cornelio等人扩展到非接触式交互设计领域的成果(Cornelio等人,2023年)是一致的。通过揭示监控、分心、包容性和同意等问题(见第7节),我们的方法将抽象的伦理原则转化为具体的、可讨论的成果。这样,它补充了Creutz和Pettersson对创新生命周期中责任缺失的批评(Creutz和Pettersson,2023年),表明推测性草图可以作为在整个设计过程中维持伦理反思性的一个轻量级但有效的工具。这种伦理反思性与参与式预见性的潜力紧密相关。传统的预见性实践通常集中在专家驱动的练习上,如政策模拟或德尔菲小组(Miller,2018年;Puthanpura等人,2015年),这些方法很少考虑到非专业公众的参与。相比之下,我们的方法使用基于草图的设计虚构,使非专家也能理解和行动化推测性未来。这扩展了预见性的参与范围,让用户对想象中的未来产生解释性和情感上的投入。这种方法与Jasanoff和Kim的社会技术想象概念(Jasanoff和Kim,2019年)相呼应,使参与者能够根据他们的生活经验来想象和回应汽车技术的潜在轨迹。Be?evli的SONARIOS项目提供了一个通过感官叙事进行表演性未来参与的相关例子(Be?evli等人,2025年),但我们的研究通过结构化的多阶段工作流程将这种方法应用于不同的人群和地理区域。我们的工作还与关于技术接受性的研究相交叉,特别是在技术仍处于推测性或部署前的阶段。主流框架如技术接受模型(TAM)和系统可用性量表(SUS)倾向于在系统构建和运行后评估用户参与度,强调实用性、易用性或满意度(Ajibade,2018年;Lewis,2018年)。相比之下,我们的基于草图的研究通过在假设技术上邀请用户参与来捕捉使用前的可接受性和可取性。正如Lindgren所论证的,对自动化的信任往往是经验性的,并且会随着时间发展(Lindgren等人,2020年),但我们的结果显示,推测性草图仍然可以从不熟悉底层系统的参与者那里获得详细且细致的反馈。此外,该方法使我们能够发现标准可用性测试中可能看不到的潜在抵制或不适因素。这反映了Schulte在痴呆症护理工作中的设计虚构方法(Schulte等人,2016年),并支持Baumann等人对自动驾驶系统等相关领域中的预见性伦理的呼吁(Baumann等人,2019年)。总之,这些特点使我们的方法成为一种预见性共同设计的形式。我们在Bleecker(2022年)、Urue?a(2021年)和Markussen和Knutz(2013年)的基础概念之上进行了扩展,超越了叙事性挑衅,提供了一个可复制的实证模型。通过结合草图、调查工具、定性编码和定量建模(包括聚类和降维),我们的方法使研究人员能够在推测性参与和结构化分析之间流畅切换。这种双重重点满足了Velloso和Hornb?k对HCI方法论中更结构化理论化的呼吁(Velloso和Hornb?k,2025年),同时保持了Blythe等人(2016年)提倡的推测性和批判性伦理。总之,我们的研究通过提出一种方法论上整合的模型来预见新兴技术的社会和伦理轮廓,为预见性和创新理论做出了贡献。它展示了如何系统地使用推测性成果来收集和解释多样化的用户观点,支持共同创造包容性、反思性和富有想象力的技术未来。
下载:高分辨率图像(1MB)
下载:全尺寸图像
图10. “安全”场景的故事板。SAE 1级或2级。视觉故事板简介——汽车类型:高端,右舵驾驶。汽车环境:宽敞且现代的浅色汽车,设计简洁前卫,座椅具有运动风格。HUD类型:覆盖整个挡风的巨大屏幕。仪表盘现代且未来感强。驾驶员:50多岁的男性,穿着时尚休闲,始终遵守交通规则。乘客:无。外部环境:大城市场景。触觉设备:位于仪表盘上,与其他未来主义控制装置混在一起。
下载:高分辨率图像(1MB)
下载:全尺寸图像
图11. “沟通”场景的故事板。SAE 2级或3级。视觉故事板简介——汽车类型:高端,左舵驾驶。汽车环境:宽敞且现代的浅色汽车,设计简洁前卫。驾驶员:忙碌且独立的女性。乘客:无。外部环境:高速公路。HUD类型:覆盖整个挡风的屏幕。触觉设备:位于仪表盘上。
下载:高分辨率图像(1MB)
下载:全尺寸图像
图12. “营销”场景的故事板。SAE 4级。视觉故事板简介——来自未来的汽车。汽车环境:现代且前卫,没有方向盘。驾驶员:Sofia和Dante是大约30岁的年轻人。外部环境:充满商店和企业的街道。HUD类型:覆盖整个挡风的屏幕。触觉设备:位于整个仪表盘上。
下载:高分辨率图像(1MB)
下载:全尺寸图像
图13. “健康”场景的故事板。SAE 3级或4级。视觉故事板简介——来自未来的豪华左舵驾驶汽车。汽车环境:现代且安装有传感器和摄像头,随时监控驾驶员。驾驶员:40多岁的紧张男性,看起来疲惫且有点压力。乘客:无。外部环境:交通繁忙。HUD类型:覆盖整个挡风的屏幕。触觉设备:位于前玻璃上方和方向盘上方。
下载:高分辨率图像(1MB)
下载:全尺寸图像
图14. “生产力”场景的故事板。SAE 3级或4级。视觉故事板简介——来自未来的紧凑型经济型汽车。汽车环境:简单设计,控制装置隐藏起来。驾驶员:穿着商务套装的亚洲女性。乘客:另一位商务女性。外部环境:城市中繁忙且现代的住宅区。HUD类型:包裹式HUD,覆盖汽车前部整个180度的弯曲窗户。触觉设备:位于她的方向盘后面。
下载:高分辨率图像(1MB)
下载:全尺寸图像
图15. “娱乐”场景的故事板。SAE 3级或4级。视觉故事板简介——未来主义家庭汽车。汽车环境:看起来非常前卫;没有任何物理控制装置,只有一个方向盘。后座配备有屏幕。驾驶员:喜欢电影和剧集的家庭男人。乘客:后座的妻子和两个孩子。外部环境:未来主义城市。HUD类型:包裹式HUD,覆盖汽车前部整个180度的弯曲窗户。触觉设备:位于整个仪表板的前半部分。
下载:高分辨率图像(1MB)
下载:全尺寸图像
图16. 弗里德曼测试和六种场景中与技术接受度和用户界面质量相关的成对的Wilcoxon符号等级测试总结。对于每对比较,我们报告了Wilcoxon检验统计量(W)、标准化Z值、效应大小(r)、p值以及效应大小的95%置信区间(CI)。效应大小计算为r=ZN,其中N=135。解释r的经验法则是:r≈0.1表示效果小,r≈0.3表示效果中等,r≥0.5表示效果大。大的效应表明在比较的情景之间参与者反应存在强烈且一致性的差异。
7.4. 未来方向:朝着意识到失败和迭代性预见的研究迈进
虽然我们的研究提供了关于空中触觉和AR-HUD感知的宝贵预见性见解,但它仍然是一种基于感知的探索,而不是对实际互动或系统可靠性的评估。因此,这些发现反映了用户的表述偏好,即他们想象和期望的东西,而不是在现实世界环境中观察到的行为。理解这些感知在不确定性、错误或故障条件下如何演变超出了当前研究的范围。然而,承认这一限制是必要的,因为从推测性乐观到实际部署的过渡往往暴露出信任、依赖性和责任的新动态,这些动态仅凭预见性是无法捕捉到的。在汽车和相关领域之前的研究已经强调了这一挑战。例如,Lindgren关于自动化中预期信任的研究(Lindgren等人,2020年)强调,当自动化出现故障或行为不可预测时,早期的乐观态度可能会发生显著变化。在人机交互(HCI)领域,Blythe等人提出了“失败的设计虚构”概念(Blythe等人,2016年),这种方法通过故意描绘系统故障来揭示在理想化未来中被忽视的伦理和体验方面的紧张关系。与此相关的是,Woods等人和Dekker(Woods等人,2017年;Dekker,2016年)在航空安全领域的研究表明,现实世界的信任不仅取决于系统性能,还取决于用户如何适应和从错误中恢复——这一视角与汽车领域有很强的共鸣。类似的具有故障意识或迭代预见性的方法也被应用于人机交互中(Auger,2012年;Zaga,2024年;Salem等人,2015年),研究人员利用假设性的系统故障来探究人们如何在系统故障后重新调整信任、主体性和伦理责任。
基于这些先例,未来的研究应该通过故障感知的设计虚构和基于迭代的草图预测来扩展预期HCI研究。这可能包括向参与者展示不仅理想化的交互场景,还包括模拟误报、手势识别错误或令人困惑的增强现实(AR)覆盖层的场景;这些情况在早期的实施中很可能会发生。这样的“对抗性”故事板或混合仿真可以帮助模拟错误发生后用户信任的变化,从而弥合想象中的理想状态与实际体验到的可靠性之间的差距。此外,将推测性草图与更高保真的仿真或《绿野仙踪》式驾驶测试相结合,将能够实现使用前的期望与实际使用行为的纵向比较。通过这种方式,未来的工作可以在我们的方法论基础上进一步发展,将其转变为一种迭代预见性实践,不仅包括成功场景,还包括对故障、恢复和重新设计的预期。这种方法将使预期HCI更加贴近技术部署的现实,支持在汽车和其他智能移动领域实现更具韧性、基于伦理且对用户信任做出响应的创新。
8. 结论
本文探讨了将诸如空中触觉、无接触交互、AR-HUD(增强现实用户界面)和半自动驾驶系统等新兴技术整合到汽车环境中的机遇和挑战。通过采用多阶段的方法,我们调查了用户的期望、担忧以及这些技术的潜在影响。研究结果表明,尽管驾驶员对安全性和连接性的潜在提升持乐观态度,但他们也对过度依赖这些技术、潜在的分心以及隐私风险感到担忧。主要关注点包括过度依赖的危险、情境感知的平衡方法的必要性,以及对限制这些技术普及的社会经济障碍的担忧。本研究的主要 practical 贡献集中在未来技术发展的四个关键方向上。首先,保持用户的主体性至关重要;反馈机制应该直观且具备情境感知能力,即使在半自动驾驶环境中也能保持驾驶员的参与度。其次,最小化分心是至关重要的,因为AR-HUD必须支持情境感知而不是分散驾驶员的注意力。第三,鉴于模拟物理触感的触觉技术带来的隐私和同意问题,数字触觉安全是必须的。此外,促进包容性也是关键;未来的设计必须考虑多样化的用户需求,避免限制经济优越群体的使用。除了对自动驾驶汽车、空中触觉、无接触交互和AR-HUD的具体见解外,本研究还提供了一个理论贡献:一个灵活的五部分方法论框架,用于预期HCI研究和技术整合。该框架借鉴了负责任的研究与创新(RRI,Stilgoe等人,2013年)、预期伦理学(Brey,2012年)和推测性设计方法(Blythe等人,2016年;Malizia等人,2018年),结合了预期设计虚构、基于场景的用户反馈以及多种数据分析方法(包括PCA、NLP和统计测试),以深入理解用户的期望、风险和社会伦理问题(Owen等人,2013年)。草图绘制和故事板制作在此过程中发挥了核心作用,它们不仅作为跨不同人群的沟通桥梁,而且作为一种特别适合HCI背景的表达工具。草图有助于可视化具体的手势、标注其他方式无法看到的触觉效果,并在半真实的汽车场景中呈现交互式AR效果,使推测性的交互变得可感知和可讨论。
根据我们的研究结果,我们提出了一个“控制-连接”轴作为评估社会接受度的概念性工具,该工具可以指导未来的设计权衡。综上所述,这些贡献为在汽车和更广泛的社会技术领域整合新兴技术提供了一种可转移的、积极主动的方法。
CRediT 作者贡献声明:
Orestis Georgiou:撰写——审稿与编辑、撰写——初稿、监督、资源管理、方法论制定、项目调查、资金获取、形式分析、概念化。
Roberto Montano:撰写——初稿、可视化设计、软件开发、方法论制定、项目调查、数据管理、概念化。
Dario Pittera:撰写——初稿、方法论制定、形式分析、概念化。
William Frier:方法论制定、概念化。
Stephen Hughes:方法论制定、概念化。
Patrick Haggard:撰写——审稿与编辑。
Marianna Obrist:撰写——审稿与编辑、监督、方法论制定、概念化。
Patricia Cornelio:撰写——初稿、可视化设计、监督、软件开发、项目管理、方法论制定、项目调查、资金获取、数据管理、概念化。