多模態生理評估：不同環境條件下接觸密集型物理人機交互

在真實的物理人機交互（pHRI）場景中，操作員在執行接觸密集型任務時，常常面臨温度、噪音和光照等環境條件的波動。傳統的以任務為中心的方法通常只關注執行指標如追蹤誤差和完成時間，卻忽略了這些環境壓力源給操作員帶來的生理負擔。為了填補這一空白，來自Yanyi Chen等研究者在2026年6月提交的一篇預印本論文中，開展了一項系統的多模態實證研究。

該研究設計了18種不同的環境條件組合，包括六種温度水平（從涼爽到炎熱）、三種噪音水平（安靜、中等、嘈雜）和三種光照水平（昏暗、適中、明亮）。參與者在一項接觸密集型追蹤任務中操作機器人末端執行器，沿着預定路徑移動。同時，研究人員同步記錄了皮膚電活動（EDA）、表面肌電圖（sEMG）、眼動追蹤數據，以及參與者對環境舒適度的主觀評分。

實驗結果令人驚訝：儘管環境條件變化顯著，任務性能——包括追蹤誤差和完成時間——在所有條件下都保持穩定。然而，生理信號揭示了隱藏的成本。自主神經工作負荷，通過皮膚電導水平（SCL）測量，隨着温度升高而顯著增加，而身體工作負荷（基於sEMG）和認知工作負荷（基於眼動指標）則未受影響。值得注意的是，參與者對環境的主觀舒適度評分與客觀性能指標之間沒有顯著關聯。

這些發現揭示了一種補償機制：操作員通過增加生理努力（特別是自主神經系統的活動）來抑制熱不適感，從而維持穩定的任務表現。換句話説，操作員在高温下“付出更多”以保持相同的輸出水平，但這種額外成本在傳統性能指標中是看不見的。該研究強調了實時生理監測在物理人機交互中的重要性，並提議開發“生理感知”控制架構，利用這些實時生理指標來動態調整任務難度或提供輔助，從而減輕操作員的隱性負擔，特別是在非結構化或惡劣環境中。

這項研究對於未來人機協作系統設計具有深遠意義。通過將生理監測集成到機器人控制中，可以更安全、更高效地執行接觸密集型任務，例如在搜救、製造或太空探索等極端環境下的應用。論文發表於arXiv（ID: 2606.14969），並已提交至機器人學領域，相關數據和代碼預計將開源以促進進一步研究。