Adaptive Human-Swarm Interaction based on Workload Measurement using Functional Near-Infrared Spectroscopy

📄 arXiv: 2405.07834v1 📥 PDF

作者: Ayodeji O. Abioye, Aleksandra Landowska, William Hunt, Horia Maior, Sarvapali D. Ramchurn, Mohammad Naiseh, Alec Banks, Mohammad D. Soorati

分类: cs.RO, cs.HC

发布日期: 2024-05-13

备注: This paper consist of 3 pages and contains 2 figures. This abstract paper was presented at the "Breaking Swarm Stereotypes" workshop of the 2024 IEEE International Conference on Robotics and Automation (ICRA) in PACIFICO Yokohama, Japan, held from May 13th to 17th, 2024. https://hauertlab.com/breaking-swarm-stereotypes-workshop-icra-2024/

💡 一句话要点

提出基于fNIRS工作量测量的自适应人-群交互方法

🎯 匹配领域: 支柱五：交互与反应 (Interaction & Reaction)

关键词: 人-群交互 功能性近红外光谱 工作量测量 自适应界面 神经反馈

📋 核心要点

  1. 现有的人-群交互系统难以有效管理操作员的工作量，可能导致操作疲劳和性能下降。
  2. 利用fNIRS技术实时测量操作员的脑部活动，以此评估其工作负荷，并动态调整人机交互界面。
  3. 通过动态调整界面，旨在减轻操作员的工作负担，并最终提升人-群交互系统的整体性能。

📝 摘要（中文）

人-群交互(HSI)的挑战之一是如何管理操作员的工作量。本文提出了一种新颖的神经反馈技术，利用功能性近红外光谱(fNIRS)实时测量工作量。目标是建立一个使用fNIRS测量人-群交互中工作量的基线，并开发一个能够动态适应操作员工作量的界面。该方法包括使用fNIRS设备测量大脑活动，通过机器学习算法处理这些数据，并将其传递给HSI界面。通过动态调整HSI界面，可以降低集群操作员的工作量并提高性能。

🔬 方法详解

问题定义：人-群交互（HSI）中，操作员的工作量管理是一个关键问题。过高的工作量会导致操作员疲劳、注意力下降，进而影响整个系统的性能。现有的HSI系统通常缺乏对操作员工作量的实时监测和动态调整机制，无法有效应对这一挑战。

核心思路：本文的核心思路是利用功能性近红外光谱（fNIRS）技术，实时监测操作员的脑部活动，以此评估其工作负荷。然后，根据测得的工作负荷，动态调整HSI界面，例如调整信息呈现方式、任务分配策略等，从而减轻操作员的认知负担，提高操作效率。

技术框架：整体框架包含三个主要模块：1) fNIRS数据采集模块：使用fNIRS设备获取操作员的脑部血氧信号。2) 工作量评估模块：利用机器学习算法处理fNIRS数据，建立工作量预测模型。3) 自适应HSI界面模块：根据工作量评估结果，动态调整HSI界面的参数，例如信息显示密度、任务分配优先级等。

关键创新：该方法的主要创新在于将fNIRS技术应用于人-群交互领域，实现了对操作员工作量的实时、客观测量。与传统的主观评估方法相比，fNIRS能够更准确地反映操作员的认知状态。此外，该方法还提出了一种基于工作量反馈的自适应界面调整机制，能够有效减轻操作员的认知负担。

关键设计：fNIRS设备的选择和放置位置需要根据具体应用场景进行优化。机器学习算法的选择也至关重要，需要考虑算法的准确性、实时性和鲁棒性。自适应界面调整策略的设计需要充分考虑操作员的认知特点和任务需求，避免过度调整导致操作混乱。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

论文的主要实验结果集中在验证fNIRS工作量测量方法的准确性和自适应界面的有效性上。虽然摘要中没有给出具体的性能数据，但可以推断实验会对比使用自适应界面和不使用自适应界面时，操作员的任务完成效率、错误率以及主观工作量评分等指标，以证明所提出方法的优越性。

🎯 应用场景

该研究成果可应用于各种人-群交互场景，例如搜救行动、环境监测、灾害响应等。通过实时监测操作员的工作量并动态调整交互界面，可以提高操作效率、降低操作风险，并最终提升任务完成质量。未来，该技术有望与虚拟现实、增强现实等技术相结合，构建更加智能、高效的人-群交互系统。

📄 摘要（原文）

One of the challenges of human-swarm interaction (HSI) is how to manage the operator's workload. In order to do this, we propose a novel neurofeedback technique for the real-time measurement of workload using functional near-infrared spectroscopy (fNIRS). The objective is to develop a baseline for workload measurement in human-swarm interaction using fNIRS and to develop an interface that dynamically adapts to the operator's workload. The proposed method consists of using fNIRS device to measure brain activity, process this through a machine learning algorithm, and pass it on to the HSI interface. By dynamically adapting the HSI interface, the swarm operator's workload could be reduced and the performance improved.