Fessonia：一种基于行为熵的人机操作员工作负载实时估计方法
机器人学
2021-10-06 v1
摘要
本文解决控制机器人时人类操作员认知工作负载估计的问题。能够实时评估操作员的工作负载有助于防止灾难性事件发生。该工作负载估计可使人工智能在先进人机交互框架中做出明智决策以协助或建议操作员。我们提出一种名为 Fessonia 的方法，通过行为熵利用操作员驾驶行为的多参数进行实时认知工作负载估计。Fessonia 包括：计算操作员驾驶行为轮廓熵（即不可预测性）的方法；使熵计算适应各操作员演进驾驶轮廓的驾驶员轮廓更新算法；以及利用工作负载估计向操作员发出建议的警告与指示系统。Fessonia 在机器人遥操作场景中得到评估，该场景融入了认知 demanding 的辅助任务以诱发不同程度的工作负载。结果表明 Fessonia 能够估计不同水平的施加工作负载。此外，证明了我们的方法能够检测并适应不同操作员的演进驾驶轮廓。最后，基于所得数据，观察到发出警告指示时熵下降，表明对主要导航任务更为专注。
引用
@article{arxiv.2110.01940,
title = {Fessonia: a Method for Real-Time Estimation of Human Operator Workload Using Behavioural Entropy},
author = {Paraskevas Chatzithanos and Grigoris Nikolaou and Rustam Stolkin and Manolis Chiou},
journal= {arXiv preprint arXiv:2110.01940},
year = {2021}
}