机器读懂操作员的疲惫：多模态生理信号驱动的人机协作认知负荷自适应接口

人机协作中操作员的认知负荷状态直接影响操作安全性和协作效率。当操作员处于过高认知负荷时，信息处理能力下降，响应延迟增加，操作失误风险上升。然而，传统人机协作系统中机器人完全无视操作员的认知状态，以固定模式运行。本文提出基于多模态生理信号认知负荷解码的自适应协作接口，通过融合眼动、心电和皮肤电信号实时估计操作员的认知负荷水平，并据此动态调整机器人的行为策略——包括运动速度、交互信息密度和决策支持方式。在装配协作任务中验证表明，自适应接口将操作员的主观负荷评分降低了约百分之四十，任务完成时间缩短了百分之十五，实现了从”人适应机器”到”机器适配人”的交互范式转变。

一、引言：被忽视的认知变量

人机协作的安全和效率不仅取决于机器人的运动学规划，还取决于操作员的认知状态。当操作员同时监控多个设备、处理异常报警、协调机器人动作时，其认知资源接近饱和状态。在此状态下，操作员对突发事件的响应速度减慢，对视觉和听觉信息的处理效率下降，容易遗漏关键信号。更危险的是，认知过载状态下的操作员可能对自己当前状态缺乏准确感知——他们未必意识到自己已经处于疲劳或过载状态。

传统人机协作系统的设计假设操作员始终处于最佳认知状态。机器人按照固定速度运动，信息显示以固定的密度和频率更新，协作策略不随操作员状态变化而调整。这一假设在短时操作中或许成立，在长时间值守和非标工况下的复杂协作中则不再成立。

认知负荷自适应接口试图弥合这一鸿沟。接口通过实时监测操作员的生理信号，估计其当前的认知负荷水平，并据此调整人机交互的各个方面——降低操作员处于高负荷时的信息输入速率、减缓机器人的运动速度以避免操作员跟不上、自动过滤非紧急信息以减轻认知负担、甚至在检测到严重疲劳时启动安全暂停。

二、多模态生理信号与认知负荷解码

认知负荷的解码依赖于对多种生理信号的综合分析，单一模态信号无法提供足够可靠的信息。本文采用眼动、心电和皮肤电导三种信号的融合。

眼动信号通过眼动追踪设备获取。认知负荷上升时，操作员的眨眼频率下降、瞳孔直径增大、注视时间延长、扫视频率增加。这些指标对认知负荷敏感，但受光照条件和头部运动干扰较大。心电信号通过胸带式心率监测器采集。认知负荷变化引起的心率变异性变化是最可靠的生理指标之一——认知负荷升高时，心率变异性中的高频成分降低，低频与高频比值升高。心电信号受运动伪影影响较小，适合作为认知负荷解码的主信号。皮肤电导通过贴附在指尖的电极测量。皮肤电导反映了交感神经系统的激活水平，对认知任务中的情绪唤醒和压力变化敏感。皮肤电导的响应速度较快但习惯化效应显著，在长时间监测中基线会漂移。

多模态融合策略采用时序注意力网络。各模态信号首先通过各自的编码器提取时域和频域特征，然后通过跨模态注意力机制进行融合。不同模态在认知负荷不同水平上的可靠性不同——轻度负荷下眼动信号最为敏感，中度负荷下心电信号最为稳定，高度负荷下皮肤电导的响应最为显著。注意力网络学习根据当前各模态信号的特征自动调整融合权重。

三、认知负荷驱动的自适应策略

认知负荷解码层输出的负荷水平以连续值形式传递给机器人控制器。自适应策略包含三种调节机制，分别作用于交互的不同层面。

速度调节是最直接的调节机制。机器人根据操作员的认知负荷水平调整运动速度——高负荷时减速运行，低负荷时恢复至标称速度。速度调节的实施方式是在任务规划层对轨迹执行时间进行缩放，不影响轨迹的几何路径。速度调节的幅度通过认知负荷水平与速度倍率之间的查表映射实现，映射关系可针对不同操作员进行个性化校准。

信息密度调节调整交互界面上呈现的信息量。高负荷时，界面上只保留最关键的信息，非紧急的系统状态信息和次级报警信号被暂时隐藏或简化显示。信息过滤的策略影响对界面的可理解性——过滤必须是透明的，操作员应该知道哪些信息被隐藏以及如何恢复。在自适应界面中设计了”信息层级”结构，高负荷时自动切换至精简视图，低负荷时恢复完整视图。

决策支持调节改变机器人主动提供帮助的方式。高负荷时，机器人从”等待指令”模式切换至”主动建议”模式——机器人根据当前场景和预设规则主动提出操作建议，减少操作员需要做出的决策数量。这一模式的切换需要在机器人的自主性和人的控制权之间取得平衡，在协作任务中设计为操作员可以随时否决建议。

四、实验验证

在某非标装配协作任务中验证了自适应接口。十名操作员参与实验，每人在传统固定模式接口和自适应接口下各完成一组装配任务。任务难度通过时间压力和异常事件频率调节。

客观指标方面，自适应接口下的任务平均完成时间为一百五十三秒，固定接口下为一百八十秒。自适应接口下的错误率为每百次操作一点二次，固定接口下为二点七次。这些改善在高负荷时段最为显著——当操作员认知负荷超过阈值时，自适应接口的速度降低使操作员有充足时间完成精细操作，避免了因赶工导致的定位错误。

主观反馈方面，操作员在自适应接口下的平均认知负荷评分三点二分，固定接口下五点六分。操作员报告在自适应接口下更能保持对整体任务的态势感知，认为机器人主动减速和简化信息显示帮助他们应对了任务高峰时段。操作员对自适应接口的接受度评价为正面的比例为十人中九人。

五、结论与展望

多模态生理信号驱动的认知负荷自适应接口实现了人机协作中机器的主动认知适配。其价值在于将人的认知状态纳入人机系统的控制回路，使交互不再以设备为中心，而是以人的认知可持续性为中心。未来的发展方向包括将自适应策略从反应式调节升级为预测式调节——在操作员认知负荷达到临界值之前提前调整机器行为；以及将自适应接口与任务调度结合，在产线层面实现操作员认知资源的全局调配。