大规模协作机器人应用早期用户体验评估的方法论

《Robotics》：A Methodology for Early User Experience Evaluation of Large-Scale Collaborative Robot Applications

　　

在实施协作机器人应用时，采用以人为中心的开发方法以确保积极的用户体验（User Experience, UX）并提高接受度至关重要。用户体验设计方法的基本原则是通过评估来验证用户体验。越早进行用户体验评估，所能实现的附加价值越大。对于协作机器人应用，尤其是涉及大型机器人系统的应用，这些早期评估具有挑战性，因为整个应用直到开发最后阶段才可用。针对这一问题，研究人员提出的方法论方法利用一个基本的缩比测试装置（scaled test setup）对整体机器人应用进行早期用户体验评估，从而能够将用户反馈尽早纳入开发过程。该方法被应用于一个为内河航运半自动化液体货物装卸开发协作机器人应用的项目中。研究人员在后期开发阶段分别使用基本缩比测试装置和全尺寸原型（full-scale prototype）进行了用户体验评估。两次评估的比较证明了所提出方法论的可适用性。作为总体框架，该方法论鼓励开发人员在早期阶段通过用户研究测试整个协作机器人应用，从而收集有价值的用户反馈。

大规模协作机器人应用早期用户体验评估方法论论文解读

**研究背景与问题**

在实施协作机器人（collaborative robot, cobot）应用时，采用以人为中心的开发方法（human-centered design, HCD）至关重要，以确保积极的用户体验（User Experience, UX）并提高接受度。然而，现有HCD方法（如ISO 9241-210:2019）强调迭代评估，但对于涉及大型机器人系统的协作机器人应用，早期评估面临显著挑战：整个应用直到开发后期才完整可用，导致用户测试只能在最后阶段进行，一旦发现问题，修改成本高且耗时长。此外，大型机器人系统的采购成本高、安全措施复杂，进一步增加了早期评估的难度。因此，研究人员提出一个关键研究问题：如何使整个协作机器人应用（尤其是大型机器人系统）能在开发早期尽可能有效地进行用户体验评估？

**研究内容与结论**

研究人员提出了一种基于基本缩比测试装置（scaled test setup）的方法论，并将其应用于CoboTank研究项目——该项目旨在利用协作机器人系统优化内河航运中的液体货物装卸过程。该方法论以HCD通用流程为基础，通过五轮迭代逐步增加成熟度，其中第四轮迭代使用缩比测试装置进行早期UX评估，第五轮迭代使用全尺寸原型（full-scale prototype）进行对比评估。在两次用户研究中，研究人员采用混合方法（定量问卷与半结构化访谈）评估了可用性、工作负荷和接受度三个构念，并对比了结果。研究发现，除“焦虑”（Anxiety）和“系统有用性”（System Usefulness）两个子量表外，其他子量表的差异均较小，效应量（Hedges' g）大多为最小至小范围，表明缩比测试装置能够提供与全尺寸原型可比的有意义的UX评估结果。因此，该方法论为大规模协作机器人应用的早期以人为中心开发提供了有效框架。该论文发表在《Robotics》期刊。

**主要关键技术方法概述**

研究人员采用基于HCD的迭代开发流程，并在CoboTank使用案例中实施了五轮迭代。关键技术方法包括：（1）使用缩比测试装置（基于Universal Robots UR10e，有效载荷10kg，最大臂展1.3m）模拟全部人机协作（human-robot collaboration, HRC）功能，包括手引导控制（hand guided controls, HGC）和用户界面（human-machine interface, HMI）；（2）混合方法用户研究，包括模拟装卸过程（作为活仿真）、定量问卷（基于计算机系统可用性问卷CSUQ、NASA-TLX改编量表、UTAUT改编量表）和半结构化访谈；（3）数据分析采用描述性统计、均值差、95%置信区间和效应量（Hedges' g）。样本来源：德国杜伊斯堡职业学校的內河航运学员，均具有实际液体货物装卸经验（第一次研究16人，第二次研究11人）。

**研究结果**

在结果部分，研究人员通过对比缩比测试装置（第一次研究）与全尺寸原型（第二次研究）的定量问卷数据，分析了15个子量表，并按构念分组。

- **可用性（Usability）**：子量表“系统有用性”在第二次研究中得分更高（均值差ΔM = 0.27，效应量g = 0.31，小效应），其他子量表（信息质量、界面质量）差异极小。
- **工作负荷（Workload）**：子量表“体力需求”（Physical Demand）、“时间需求”（Temporal Demand）、“绩效”（Performance）和“努力”（Effort）在第二次研究中得分略低，而“脑力需求”（Mental Demand）略高；所有效应量均为小（最大为“努力”g = -0.47）。
- **接受度（Acceptance）**：子量表“焦虑”在第二次研究中得分显著更高（ΔM = 0.65，g = 0.54，接近中等效应），其他子量表（绩效期望、努力期望、使用技术态度、行为意向）差异较小。
- **定性反馈**：参与者普遍给出积极评价，如“非常直观”（缩比测试，P02）、“实际工作起来很有趣”（全尺寸原型，P02），但也表达了对安全性和设备损坏的担忧。手引导控制功能在优化后获得更佳反馈。

**讨论与结论**

讨论部分指出，两次研究结果的高度可比性验证了该方法论的可适用性。观察到的差异（如焦虑和系统有用性）可归因于测试系统尺寸和成熟度的差异，这与现有文献（如Hiroi & Ito关于机器人尺寸与焦虑的关系，以及Subramanian等关于生态效度指南）一致。该方法论作为总体框架，鼓励开发人员尽早使用缩比测试装置进行用户研究，从而收集有价值的反馈，同时允许根据具体用例调整迭代优先级。局限性包括样本量较小、参与者年龄偏年轻且男性为主，未来研究需扩大样本量、纳入更多样化年龄段，并考察方法论对移动机器人系统的适用性。

研究结论部分翻译如下：本文提出了一种方法论方法，使大型复杂的协作机器人应用能够以人为中心的方式开发。使用基本缩比测试装置提供了真实工作环境的简单但全面的表示，从而能够对整体协作机器人应用进行早期UX评估，使发现结果能尽早纳入开发过程。缩比测试装置与全尺寸原型研究的比较表明，早期UX评估提供了可比的结果，因此是支持以人为本开发的有效方法。因此，所提出的方法论为大型协作机器人系统开发的早期UX评估提供了有效解决方案。作为总体框架，该方法论使得能够在具有大型机器人系统的协作机器人应用领域实施以人为本设计的基本方法。