《Frontiers in Neurorobotics》：Designing for gender, age & proficiency: an empirical study of the cognitive ergonomics of dual-task interference in industrial human-robot collaboration
编辑推荐：
引言：本文报告了一项关于双任务干扰（Dual-Task Interference, DTI）下人机协作（Human–Robot Collaboration, HRC）的实证研究。据研究人员所知，以往研究尚未探究工业情境中双任务干扰与人机协作的交叉领域。本研究是
引言：本文报告了一项关于双任务干扰（Dual-Task Interference, DTI）下人机协作（Human–Robot Collaboration, HRC）的实证研究。据研究人员所知，以往研究尚未探究工业情境中双任务干扰与人机协作的交叉领域。本研究是首批实证尝试之一，旨在理解DTI诱发的人类局限在协作机器人中的应用，尤其是在随机中断和竞争性认知需求常见的工业人机协作场景中。方法：DTI现象在一个认知联合装配任务中实现，共172名参与者参与。每位参与者与两台机器人协作，同时在团队工作期间执行一项旨在诱发DTI的认知任务。绩效测量包括人机交互次数（衡量用户参与度）、机器人总空闲时间（衡量团队流畅性）以及完成的认知任务总数（衡量任务绩效）。结果：女性表现出显著更低的机器人空闲时间（12%）和更高的人机交互次数（14%），表明与男性相比，她们与机器人的协作程度更高，团队协作更流畅。青少年完成认知任务的速度显著快于成年人（21%）和专家（22%），而成年人和专家在团队协作方面表现出更高的流畅性。新手与专家之间未观察到显著差异。新手通过将其注意力等效分配到团队工作的所有方面，成功弥合了技能差距，表现出与专家相当的性能。讨论：结果表明：（a）性别和年龄组差异显著影响DTI任务中的人机协作；（b）主要任务中的绩效速度对HRC的团队流畅性产生负面影响；（c）有效的团队协调技能与任务熟练度在HRC中同等重要。结论：本研究通过证明协作机器人学习算法可以根据用户与机器人协作的特征模式将用户分类为特定人群聚类，从而为设计实践做出贡献，以改善性能和用户体验（User Experience, UX）。此外，任务熟练度和团队协调在基于DTI的任务中表现为两种独立且相互独立的技能。
论文解读：工业人机协作中双任务干扰的认知工效学研究
一、研究背景与问题
随着工业5.0（Industry 5.0）的到来，工业机器人正从笼式隔离作业转向人机协作（Human–Robot Collaboration, HRC）模式。人机协作系统因结合了人类的高级感知与认知能力和机器人的重复精度优势，能够提升生产效率与准确性。然而，人类与机器人共享工作空间、时间并追求共同目标时，机器人必须具备更高的智能性和灵活性。在工业装配场景中，操作者常常需要同时处理多项认知需求，例如监控机器人运行、完成手工装配、应对随机中断等，这种现象被称为双任务干扰（Dual-Task Interference, DTI）。DTI是人类认知系统的固有限制，即大脑必须在同时进行的多个任务之间快速切换注意力，导致认知资源竞争。此前研究分别探讨了人机交互中的性别差异、年龄差异和熟练度差异，以及DTI在不同人群中的表现，但尚未有研究将DTI与工业HRC结合考察。现有HRC研究多关注社会机器人或医疗机器人，对工业环境下的时间压力、生产率约束和安全需求考虑不足。此外，多数DTI研究使用个体任务绩效指标，很少考察团队协作流畅性。因此，探究性别、年龄组和用户熟练度如何影响DTI作用下工业HRC的协作绩效，具有重要的理论意义和工程应用价值。
二、研究目的与研究内容
该研究旨在通过实证研究评估在DTI影响下，不同人群（男性vs女性、青少年vs成年人、专家vs新手）在人机协作任务中的表现差异，重点关注团队流畅性、用户参与度和主要任务绩效。研究人员设计了模拟工业装配场景的认知联合装配任务：人类参与者需同时完成主要认知任务（解决重力迷宫逻辑游戏）和次要任务（组装乐高积木并交给两台机器人），机器人分别以30秒和60秒的周期运行，需要人类提供装配件才能继续工作。实验通过时间加速惩罚机制模拟机器人空闲对生产率的成本，从而诱发被试在主要任务与次要任务之间进行注意力分配。这种实验设计使得成功完成团队目标既依赖于个人任务熟练度，也依赖于团队协调能力。
三、关键方法与技术
该研究采用实验研究方法，样本包括172名被试：137名本科生（21–29岁，含70名男性、67名女性）和35名青少年（13–14岁，含21名男性、14名女性）。成人群体中，根据先前相关任务经验和机器人操作经验划分为69名专家和68名新手。研究使用了定制的双机器人协作工作站，两台5自由度机械臂分别配备两指平行夹爪，通过基于雅可比逆运动学求解器规划平滑轨迹，以恒速0.1 m/s运行。实验采用时间基准控制模型（timing-based control model）协调人机交互，机器人工作周期分别为30秒和60秒。实验持续15分钟，全程自动化数据采集。统计方法采用双因素方差分析（two-way ANOVA）和Pearson相关分析。
四、主要研究结果
4.1 性别差异结果及启示
对172名被试的数据分析表明，女性被试的人机交互次数显著高于男性14%（F(1,170)=21.05, p<0.0001），机器人总空闲时间显著低于男性12%（F(1,170)=25.78, p<0.0001）。但在完成认知任务卡片数量上性别间无显著差异。这说明女性能够将注意力等效地分配到主要和次要任务，同时保持与男性相同的主要任务效率，并表现出更强的团队协作倾向，更重视等待伙伴的时间成本。这一结果支持了工业制造研究中关于女性在装配工作站更高效的发现，也强调了工厂中需要“性别调整模型”（gender-adjusted models）以提高生产线效率。
4.2 年龄差异结果及启示
青少年完成主要任务的速度显著快于成年人20%（F(1,170)=12.42, p<0.001），也快于专家22%（F(1,102)=12.05, p<0.001）。然而，成年人和专家的团队协作流畅性显著优于青少年，其机器人空闲时间分别低12%（F(1,170)=16.99, p<0.0001）和12.5%（F(1,102)=13.1, p<0.0001）。两组在人机交互次数上无显著差异。结果表明，青少年具有更高的问题解决效率和更快的学习速度，但他们对主要任务的高度专注导致每次人机交互成为任务切换的认知成本，损害了团队协作的节奏和流畅性。这意味着在DTI条件下，主要任务的高绩效速度是以团队流畅性为代价的。
4.3 熟练度差异结果及启示
专家与新手在成功完成的卡片数量、机器人空闲时间和人机交互次数上均无显著差异。尽管专家在主要任务和机器人熟悉度上具有优势，但DTI环境作为一种“均衡器”，抵消了这种优势。新手通过将注意力均衡分配到主要任务和机器人干预上，有效避免了累积的时间惩罚，从而弥合了技能差距。这表明在基于DTI的人机协作中，战略性协调能力比单独的任务熟练度更重要。
4.4 绩效指标间相关性
Pearson相关分析显示，人机交互次数与机器人空闲时间之间存在强负相关（r=-0.344, p<0.0001），卡片完成数与机器人空闲时间之间也存在强负相关（r=-0.280, p<0.0001）。这说明越是关注机器人空闲时间并积极参与协作的被试，团队流畅性越高，同时由于惩罚机制减少了时间损耗，也能完成更多主要任务。
五、讨论总结与结论
讨论部分指出，性别和年龄组的差异显著影响DTI任务中人机协作的客观绩效。主任务绩效速度与团队流畅性之间存在权衡关系，高绩效速度往往伴随更差的时间协调。有效的团队协调技能与任务熟练度是两种独立的能力，在DTI环境下同等重要。研究结论为设计实践提供了四点贡献：其一，协作机器人算法可通过用户画像将使用者分为特定人群簇，并实时调整控制策略以改善团队绩效和用户体验（UX）；其二，提出四层用户熟练度模型，即个人任务熟练度与团队协调能力的交叉产生四种类型（新手/好团队合作者、专家/差团队合作者、专家/好团队合作者、新手/差团队合作者）；其三，设计者需考虑主任务速度对团队流畅性的负面影响，可通过视觉或听觉提示促进人机相互适应；其四，应开发专门针对DTI环境的培训模块，因为DTI技能可以习得、保留并迁移至其他任务。研究局限性包括未采用主观用户体验问卷（UEQ/UEQ-S），且未与单一任务条件对照。未来研究可探索主任务绩效速度的阈值，并进一步调查团队流畅性技能的训练与迁移问题。
