本文由意大利罗马第三大学工业电子与机械工程系的 Alessia De Nobile 和 Daniele Bibbo，以及意大利国家研究委员会认知科学与技术研究所的 Marta Russo 和罗马第三大学的 Silvia Conforto 共同撰写。该研究于2024年发表在 International Journal of Industrial Ergonomics 第104卷上，具体在线发表日期为2024年11月13日。
这篇论文题为《评估协作机器人中人类因素量化方法的系统综述：聚焦心理、认知与生理测量》，是一篇系统性综述文章。它旨在全面梳理和整合现有学术文献中用于评估人机协作环境下人类因素的各种方法，重点关注客观量化技术，以弥补该领域缺乏系统性方法学总结的空白。随着工业4.0和协作机器人（Cobot）的普及，人类与机器人在共享工作空间内紧密合作成为趋势。这种协作在提升效率与生产力的同时，也对操作员的生理、心理和认知状态产生了深远影响。然而，尽管评估这些影响对于保障工人福祉、安全和优化协作效率至关重要，但现有研究在评估方法上存在碎片化，且多数综述缺乏对方法本身的详细技术性描述。因此，本文旨在通过一种技术导向的视角，系统地展示和剖析评估人机协作中人类因素的多样化方法体系，为未来的研究和实践提供一个综合性的方法论框架。
本文首先界定了人机协作的研究范畴。文章指出，在工业场景中，存在人机共存、人机协作与人机合作三种不同的交互模式，而本综述聚焦于最高级的“人机协作”模式，即人与机器人在同一时间、同一空间、为同一目标、在同一产品上进行同步作业，并持续相互理解与适应。协作机器人的核心价值在于将人类独特的灵活性、问题解决能力和决策能力与机器人的精确性、重复性和力量相结合，从而实现优势互补。然而，这种紧密的互动也带来了对人类因素的评估需求，主要包括心理因素（如接受度、情感状态、信任度、情境意识、可用性）、认知因素（如心理负荷、心理压力）和物理因素（如环境因素、疲劳、运动意图）。
本文的核心贡献在于对评估这些人类因素的方法学进行了详尽的梳理与分类。作者通过严格遵循PRISMA指南，在PubMed、Scopus和Web of Science三个数据库中，使用涵盖HRC环境和人类状态的关键词组合，系统检索了2018年至2023年间发表的文献。在检索到的3736篇初始文献中，经过标题摘要筛选、全文资格审核和去重，最终纳入了76篇符合标准的文章（主要是期刊论文）。从这些文章中，作者提取并综合了三类关键信息：被评估的人类因素、用于评估这些因素的方法及其对应参数、以及关于参数与特定人类因素之间关系的研究发现。为了清晰展示，作者构建了方法-因素对应关系矩阵，并据此进行了深入分析。
本文将评估方法划分为三大类：生理测量法、物理测量法和主观评估法。生理测量法涉及对心血管活动、皮电活动、神经系统活动和肌肉活动的测量与分析。物理测量法包括人体运动学测量、工效学指标和眼动追踪分析。主观评估法则主要包括问卷调查法和直接观察法。
生理测量法是揭示人类内在状态变化的重要客观手段。在心血管参数方面，研究主要利用心率及其变异性来评估心理负荷和压力。例如，心率的均值与标准差与心理负荷和压力呈正相关，而心率变异性时域中的RR间期差值均方根则与压力呈负相关。频域分析中，低频功率与心理负荷和压力呈负相关，而高频功率则与之呈正相关。皮电活动主要被用来评估压力和信任水平。皮肤电导反应，尤其是其相位成分，在压力状态下会显著增加。对于信任评估，较低的皮电活动可能预示着更高的信任感。肌肉活动主要通过表面肌电图进行评估，用以评估物理负荷、疲劳和运动意图。研究表明，在人机协作任务中，肌肉的激活水平可以预测操作员的疲劳程度，其模式也能用于识别人类运动意图。此外，肌肉活动还与工效学风险和舒适度相关。神经活动指标主要通过脑电图来测量，用于评估认知负荷和压力。研究表明，高认知负荷和压力状态通常会导致脑电波中α波活动减弱，而β波和γ波活动增强。
物理测量法关注人体外在表现和环境的物理属性。工效学指标，如快速上肢评估和快速全身评估，是评估工作场所物理环境风险的主流工具。这些指标通过对工作姿势进行定量或定性分析，评估任务带来的肌肉骨骼疾病风险。研究发现，引入协作机器人可以有效改善这些指标，降低工效学风险。人体运动学变量通过惯性测量单元或动作捕捉系统获取，用于评估环境因素、疲劳和运动意图。例如，关节角度、速度和加速度的变化可以反映身体姿态的风险和疲劳状态。此外，头部和身体与机器人的距离变化等运动学特征，也被用来推断操作员对机器人的信任水平。眼动追踪方法通过分析注视点、扫视、瞳孔大小和眨眼率等参数，为评估情境意识、心理负荷和压力提供了独特视角。例如，注视点持续时间的增加和频率的减少通常与更高的心理负荷相关；而扫视次数的增加或眨眼率的升高，可能预示着压力状态或较低的信任度。
主观评估法，尤其是问卷调查，仍然是应用最广泛的方法。本文发现，在纳入的研究中，问卷的使用频率最高，总出现次数达到62次。问卷能够全面覆盖几乎所有的心理和认知因素，例如，使用技术接受模型评估接受度，使用NASA-TLX量表评估心理负荷，使用特定信任量表评估信任度等。对于物理因素，如疲劳和环境因素，则主要依赖定制化的问卷。直接观察法作为一种补充性主观方法，也被用于评估情境意识和工效风险。
通过对方法使用趋势的分析，本文揭示了几个关键现象。首先，主观方法的使用总量仍然最高。其次，非主观方法（生理与物理）虽然呈现增长趋势，但在许多研究中，其结果的解读仍然需要以问卷结果为参照标准。图3和图6的数据显示，大部分的眼动、神经、心血管和皮电测量研究都同时使用了问卷进行验证，这说明客观方法虽然前景广阔，但其作为独立评估工具的可靠性和成熟度尚在发展中。相比之下，肌电图和工效学指标则更常被单独使用，这或许是因为它们评估的物理因素缺乏标准化的问卷，以及这些指标在该领域已被认为具有较高的直接相关性。
基于这些发现，本文进行了深入的讨论。作者指出，问卷作为“金标准”的地位依然稳固，尤其是在评估纯主观感知因素（如接受度、可用性）方面具有不可替代性。然而，问卷也存在主观偏差、难以实时获取数据等固有局限。生理和物理测量法的优势在于能提供客观、连续、实时的数据，有助于实现动态任务分配和自适应的人机协作系统，例如，根据操作员的实时疲劳或认知负荷水平调整机器人的工作节奏或任务分配。尽管这些客观方法存在信号解释复杂、设备成本高、侵入性等问题，但随着可穿戴传感技术的发展，这些障碍正在逐渐减小。
本文的价值在于，它不仅系统性地整合了人机协作领域人类因素评估的全套方法论工具箱，还通过量化分析揭示了当前研究实践中的模式和差距。作者强调，未来的研究应更加注重生理和物理测量方法的标准化、验证与独立应用。同时，采用多模态方法（结合主观与客观、多种客观技术）进行综合评估，将是获得对人机交互全面、深刻理解的关键。这篇综述对于人机交互、工业工程、工效学和认知科学领域的研究人员具有重要的参考价值。它不仅有助于研究人员选择合适的方法论工具，也提醒工效学界关注快速发展的仪器技术，并思考如何将这些量化评估结果更有效地整合到职业健康与安全的风险评估流程中，从而在提升生产效率的同时，切实保障操作员的福祉与安全。
文章的主要亮点在于其独特的技术导向视角和系统性的方法学梳理。与以往偏重人类因素概念本身或仅列举部分方法的综述不同，本文聚焦于“如何评估”，详细描述了各类方法的技术原理、测量参数及其与具体人类因素的实证关联，并辅以大量的数据图表进行量化呈现。这种详尽的梳理为领域内的方法论标准化和应用推广奠定了坚实的基础。此外，文章还敏锐地观察到了研究方法使用上的不对称性（例如认知因素被研究最多，物理因素相对较少）以及新冠疫情等外部事件对研究趋势的可能影响，体现了其分析的深度和广度。最终，本文通过填补现有综述的空白，为构建一个更严谨、更科学的人机协作系统评估框架提供了不可或缺的知识基础。