基于虚拟现实训练的人机无人机交互人格量化及其在建筑热损失检测中的应用

可靠的建筑能源审计对于通过热损失检测实现效率至关重要。虽然无人机可协助检查，但它们忽略了人格特征、压力管理以及专家工程师所采取的运作策略之间的相互作用。这种缺口，结合劳动力短缺，使得有效的知识传递成为必要。这项研究提出了一个用于建筑热损失检测的人机无人机交互的虚拟现实训练系统。参与者驾驶虚拟无人机配备热成像监视器，以识别缺陷。通过分析飞行路径、压力适应性和跨不同训练对象的检查绩效，我们发现：(1) 飞行轨迹——外向型、直觉型、情感型和感知型参与者探索的区域更大，但误分类率更高；内向型、感知型、思考型和判断型参与者表现出更系统的方法。(2) 压力适应——心率变异性显示，外向型、直觉型、情感型和感知型参与者的压力波动更大，而内向型、感知型、思考型和判断型参与者保持更稳定的反应。任务复杂度放大了这些差异。(3) 检查绩效——外向型、直觉型和情感型参与者实现的召回率更高，但过度识别缺陷；内向型、感知型、思考型和判断型参与者犯的随机错误更少，但可能忽略细微的热损失。这些见解凸显了人格特征、压力管理和运作策略在人机无人机交互虚拟现实训练中的相互作用。该框架在通过知识传递和优化人机协作来解决劳动力短缺方面具有潜力。