在基于大型语言模型（LLM）的工业工作流程中，人机协作效率提升的神经人体工程学特征

《JOURNAL OF INTELLIGENT MANUFACTURING》：Neuroergonomic signatures of improved human–robot collaboration in LLM-supported industrial workflows

　　

工业5.0的发展受到人类与协作机器人（cobot）之间通信瓶颈的阻碍，这源于刚性编程要求，使得动态和意外的工作流变更无法实现。本研究引入并验证了一种基于大型语言模型（LLM）的框架，用于自然语言机器人任务规划，以改善人与机器人之间的通信，同时降低操作人员的心理负荷。利用资源高效的一次性提示工程策略，该系统允许操作人员通过对话输入来调整协作机器人轨迹。研究团队在模拟装配环境中，采用全面的多模态神经工效学评估，将该动态工作流与传统静态基线进行了比较。结果表明，LLM框架实现了较高的技术效能，能够在1–2次提示内生成可执行代码。关键在于，生理指标（心率、眨眼率）、行为数据（任务错误率）和主观负荷（NASA任务负荷指数）的结合显示，在LLM辅助条件下，操作人员负荷显著降低，过程可靠性提高。这些发现提供了实证证据，表明LLM可以降低协作机器人编程的技术门槛，同时改善劳动力的生理健康状况，从而支持以人为中心的柔性自动化方法。

**论文解读：LLM支持的工业工作流中人机协作改进的神经工效学特征**

**一、研究背景与问题**

制造业正经历从工业4.0（I4.0）向工业5.0（I5.0）的范式转变，这一转变由欧盟委员会确立的框架所锚定，其核心价值从技术驱动的优化与互联转向以人为本、韧性与可持续的制造模式。在I5.0愿景中，“操作员5.0”被设想为“智能操作员”，借助智能助手、智能穿戴设备和增强现实等技术来缓解身体和认知压力。然而，这一以人为本的转变要求人与机器在车间中的交互方式发生根本性演变。传统工业机器人依赖严格物理隔离（如安全围栏）保障工人安全，随着技术进步，这一范式已从简单共存发展为真正的人机协作（Human-Robot Collaboration, HRC），要求共享工作空间、同步目标与双向交互，充分发挥自动化重复精度与人类认知灵活性的互补优势。协作机器人（cobot）通过力限制和速度监控等集成安全机制实现这一目标。尽管技术不断进步，无缝HRC的实际实现仍受制于通信与重编程方面的重大操作瓶颈。协作机器人传统上需要专家级编程，当生产线遭遇意外事件（如供应链中断要求突然改变装配流程）时，机器人无法自主适应，导致停机等待专业程序员介入，这不仅增加技术人员认知压力，也造成公司运营损失。为应对这一制约，大型语言模型（LLM）正作为会话式编程的变革性范式崭露头角。基于Transformer架构，LLM具备语义解析、少样本推理和上下文保持等高级能力，可将非专家工人的自然语言指令翻译为可执行机器人代码。然而，现有研究存在关键局限：大多集中于技术实现稳健性（如代码生成准确性或系统延迟），而忽视了对操作员多层神经工效学影响的评估。当考虑人为因素时，评估往往依赖平均生产指标或事后主观问卷。因此，为真正实现I5.0愿景，系统评估必须纳入神经工效学——研究人脑与工作表现关系的学科，弥合主观感知与客观生理成本之间的差距。传统神经工效学研究常采用高密度神经成像（如脑电图EEG或功能性近红外光谱fNIRS），但这些模态在动态、生态效度较高的制造环境中往往过于侵入且易受运动噪声干扰。因此，本研究采用可穿戴代理指标进行操作化神经工效学评估。

**二、研究目的与假设**

本研究旨在回答两个核心研究问题：第一，实现基于LLM的制造任务规划系统以处理工作流变更是否可行；第二，LLM集成带来的工作流简化是否降低操作员认知负荷并改善任务绩效。基于会话式界面能直观实现意外工作流重配置的前提，研究人员提出三个假设：H₁，与静态基线相比，LLM支持的重配置将降低任务错误率；H₂，LLM辅助工作流将在NASA-TLX各分量表上引发更低的感知心理负荷；H₃，LLM辅助工作流将降低认知负荷，表现为相对于基线更低的心率和眨眼率。

**三、技术方法概述**

研究招募29名参与者（平均年龄27.1岁，标准差2.5岁，11名女性），均为大学工程专业学生和研究人员。研究在德国萨尔布吕肯的htw saar和萨尔兰大学神经工效学数字工厂萨尔进行，经当地伦理委员会批准。实验采用被试内设计，参与者与UR5-CB3协作机器人配合，在四个站点执行重复分拣操作。研究比较两种条件：静态条件（No-LLM）下，协作机器人仅预先编程知晓四个站点中的两个，其余两个站点模拟意外序列变更，机器人保持空闲，迫使操作员执行复杂的“协作机器人不知晓”算术任务并手动取件；LLM辅助条件下，使用基于类型自然语言界面（由OpenAI的GPT-4o-mini支持），操作员可在模块开始前直接告知系统新需求，LLM通过上下文推理将高级意图解析为可运行Python代码。关键技术方法包括：资源高效的一次性提示工程策略，以温度设置为0确保确定性和可复现性；利用Python抽象语法树（ast）模块进行代码验证，作为人在回路（HiTL）安全保障。数据采集方面，通过光电容积脉搏波（PPG）传感器以128Hz采样率记录心率（HR），通过头戴式摄像头视频分析眨眼率，使用Lab Streaming Layer（LSL）中间件实现多源数据时间同步。主观负荷采用NASA-TLX问卷，行为数据以任务错误率作为客观绩效指标。统计分析采用双尾配对样本t检验，显著性阈值为α=0.05，非正态数据使用Wilcoxon符号秩检验，多重比较采用Holm-Bonferroni校正。

**四、研究结果**

**绩效指标**：配对t检验确认LLM辅助条件下错误率显著降低（M=1.03，SD=1.57），而手动条件为（M=27.85，SD=7.90），t=-17.768，p<0.001，错误率降低96%。LLM交互效率较高，平均仅需1.2次提示（SD=0.5）即可生成正确代码。这一显著降低可能部分受实验设计中任务简化影响。

**主观负荷**：参与者在LLM条件下报告的努力程度显著降低（M=35.35，SD=24.09 vs. M=73.28，SD=20.89），降低52%（V=0.000，p<0.001）；心理需求降低61%（M=28.79，SD=16.57 vs. M=73.28，SD=16.22），差异显著（V=0.000，p<0.001）；挫败感显著降低66%（M=20.69，SD=22.15 vs. M=60.52，SD=29.44），t=-8.598，p<0.001。三个NASA-TLX评价维度均呈现一致性显著降低。

**生理指标**：Wilcoxon符号秩检验显示，LLM条件下平均HR显著低于无LLM条件（M=90.11，SD=10.88 vs. M=93.18，SD=12.33），V=56，p<0.001；眨眼率在LLM条件下也显著降低（M=16.16，SD=11.09 vs. M=18.04，SD=10.03），V=74，p=0.002。

**五、讨论与结论**

研究发现，LLM集成展示了较高的技术效能，GPT-4o-mini的通用“常识”推理能力有效弥合了人类操作员与机器人控制系统之间的语义鸿沟，且无需计算昂贵的模型微调。通过基于单一结构锚点的一次性提示工程策略，系统持续在1–2次提示内生成可执行代码，相比依赖大量标记的少样本提示框架（如Code as Policies和ProgPrompt）具有显著架构优势。生理改善并非源自与LLM本身的持续交互，而是源于LLM使能的工作流重新设计——通过实现快速自然语言任务重分配，LLM防止了操作员因协作机器人缺乏适应性而被迫手动补偿，从而产生可量化的下游神经工效学收益。该范式体现了副驾驶（co-pilot）模式，人类作为AI生成管线的战略验证者而非体力劳动者留在回路中。研究也存在局限性：当前实现依赖基于文本的LLM，缺乏内在物理接地；云API引入延迟和数据隐私问题；样本为高技术水平的大学生群体，不具有广泛代表性；缺乏执行前可视化仿真。未来方向包括部署本地化开源LLM（如LLaMA）以降低延迟和隐私风险，集成三维环境可视化器以支持直观验证，扩展模型生成任意坐标动态路径的能力。结论确立了神经工效学验证的LLM集成HRC框架的可行性，为I5.0背景下先进机器人的民主化提供了潜在启示，特别是对中小企业（SMEs）。通过验证一个使用通用基础模型和最小化提示即可有效运行的系统，该方法可能降低工厂采用柔性自动化的进入门槛，提供了一种通过调节LLM支持水平将操作员认知负荷校准到Yerkes-Dodson定律所描述的最佳绩效区域的理论机制，从而降低认知过载和刺激不足相关的警觉衰减风险。