本文是“机器人高性能交互模型（被CMU和NASA多次引用）”系列文章中的第二篇。单击此处查看文章列表。
人机交互的主要目的是提高人与机器人团队之间协作的效率。基于此目标，本文介绍了以下五个措施：
区分自动模式和手动模式
让用户直接与现实世界互动
让用户直接与传感器信息进行交互
帮助用户降低内存成本
帮助用户降低他们的注意力成本
首先，区分自动模式和手动模式
用户操作机器人的主要模式是：
脚本控制：为了使机器人自动运行，用户需要预设和规划机器人的任务和工作范围。此时，用户需要物理站点中的全局信息（全局）来规划整体任务，例如公园地图，目的地分布等。通常在触摸屏上执行交互以执行机器人的任务规划。
手动遥控操作：手动模式通常是一个简单的遥控器。用户需要知道机器人周围的实时信息以执行精确的操作，例如周围障碍物的距离。
值得注意的是：
在机器人的工作过程中，操作员和机器人经常进行任务切换。因为对于大多数产品而言，人工智能技术尚未成熟，无法“充分替代人类”，因此用户需要不断干扰机器的工作任务，通常用户将切换到手动模式。当用户需要将机器人从自动模式切换到手动模式/远程控制模式时，这种交互应该是零运营成本，并且犹豫不决。系统应通过正确理解用户意图，帮助用户顺畅无缝地切换模式。举几个例子：
在无人驾驶车辆的自动探索任务中，当机器人发现可疑人员时，用户（安全人员）需要切换到手动操作以远程驱动机器人。用户只需拨打遥控器/键盘，系统自动将操作模式切换到手动模式。
在自动驾驶汽车中，当汽车进入驾驶员认为不安全的区域时，驾驶员需要重新获得控制权。只需用手握住方向盘，让用户手动驾驶。
自动跟随行李箱。当旅行者感到前方有一个台阶并且箱子不能自行通过时，旅行者想要将自动跟随行李箱切换到普通行李箱。只需拉伸杠杆，电机自动取消电源。
切换模式时，系统需要提供清晰明确的交互式反馈，以告知用户模式切换。这种模式切换的反馈非常重要。如果机器人已更改为手动模式并且用户确认机器人仍具有自动功能，则很容易发生意外。
其次，直接与真实环境互动
人类和AI机器人之间的互动应该像人一样自然。通常，在人类与机器人的互动中，自然语言具有手势和声音：
Voice Spoil：通过语音对话控制机器人。
手势交互:当用户和机器人处于近距离时，可以通过定义的手势（例如暂停前进，旋转等）来命令和控制机器人。
第三，直接与传感器信息交互
机器人交互模型的目的之一是允许用户仅关注物理环境而不是机器人本身。换句话说，在整个交互过程中使机器人尽可能透明。
自动机器人通常配备有许多传感器，例如：摄像机，激光雷达，测距雷达，GPS等。当用户对机器人进行远程控制时，这些传感器的数据是用户获得的有关环境的基本信息。机器人所在的位置。同时，一个好的机器人系统应该允许用户直接与数据交互。因为用户在机器人的操作期间通过简单的操纵杆或键盘控制机器人的方向和角度，所以用户难以将他的操作指令与机器人在实际物理环境中的结果相关联。 （HRI领域的一个众所周知的理论“当人类操作员不知道机器人的肩膀在哪里”时，用户很难真正理解机器人在真实物理环境中移动的后果。所以如果你能忽略机器人存在并直接与机器人所在物理世界交互的用户将有效地解决这个问题：
摄影机：机器人视野图像或位置中的一个对象，在操作机器人时直接在交互界面中单击。机器人系统计算用户在物理世界中指向的点的位置并自动前往目的地。
本地视图查看（摄像头）:当用户想通过机器人更清楚地看到某些东西时，无需控制机器人向对象前进，只需要放大机器人的屏幕，机器人就会自动瞄准物体。运动。类似地，当用户想要在视野中看到更多对象时，仅需要缩小操作，并且机器人将自动撤退，从而为用户提供更全面的视图。
全局地图指向（GPS）:用户在地图上进行直接选择，以便将机器人推进到全球地图中的位置。系统计算用户在物理世界中指向的点的位置，然后自动转到目的地。
直接操作距离（声纳）:用户通过直接增加超声波/红外传感器值来移动机器人远离障碍物。用户通过减小超声波传感器的值使机器人靠近物体。
总之，用户不应该是传感器数据的融合，并且用户不能将各种传感器的数据组合以感测机器人周围的环境。用户唯一需要做的就是在物理世界中表达他的意图，然后机器人系统自动分割任务参数（距离和角度等）
第四，帮助用户降低内存成本
当用户同时操作多个机器人时，难以在不同机器人之间平滑切换。面对这种情况，系统需要记录每个机器人的过去经验，包括过去发生的视频，所采用的路径，遇到的障碍物信息等。目标是让用户不必始终记住机器人的运行状态，而只记住机器人的当前状态。如果用户想要在执行任务之前回放机器人遇到的情况，则仅需要回放。播放的信息不仅包括摄像机视频，还包括同步的各种传感器数据。允许操作员在返回过去后了解机器人所处的物理环境。
第五，帮助用户降低注意力成本
在用户操作机器人的过程中，交互效率的瓶颈是用户的注意力不足。用户可以同时操作多个机器人，或者可以在与机器人一起工作时并行地执行其他工作任务。减少机器人对操作员的注意力已成为解决“人机团队”的重要方向（参见《AI机器人交互设计模型 (一)评估机器人交互的七大指标》中的“杠杆比率”。通过减少单个机器人关注用户的需要， “杠杆倍数”是一些用户可以同时操作的机器人。例如：
如果用户没有注意到距离传感器上的值变小并且机器人即将遇到障碍物，则系统应该立即提醒用户或突出显示即将发生的事故的传感器数据。
当用户同时操作多个机器人时，当机器人需要用户注意时，应该标记机器人以向用户提供线索。相反，如果没有主动提醒，用户必须不时检查机器人的运行状态。
当机器人系统中有多个任务需要用户手动操作时，系统应该帮助用户管理他们的注意力。例如，它可以帮助用户确定哪个任务最紧急，最重要，从而帮助用户更有效地管理机器人以完成工作任务。
本文是“机器人高性能交互模型（被CMU和NASA多次引用）”系列文章中的第二篇。本系列文章介绍了奥尔森和古德里奇的经典论文“用于评估人机交互的度量”和Scholtz的“理论与人机器人交互的评估”。作者是欧盟创新与技术研究所的人机交互主要专家，最近开始从事低速自动驾驶业务。在阅读CMU和NASA的文章时，我发现这篇论文被多次提到过。经过仔细研究，我找到了干货这个词，所以我把它吸收并输出给大家。