这篇名为《Mental workload and human-robot interaction in collaborative tasks: a scoping review》的文档是一篇关于人机协作背景下操作员心理负荷的综述性论文，发表于国际期刊 *International Journal of Human–Computer Interaction*。论文的主要作者包括Claudia Carissoli、Luca Negri、Marta Bassi、Fabio Alexander Storm和Antonella Delle Fave，他们分别来自意大利米兰大学病理生理学和移植学系、生物医学和临床科学系以及IRCCS“E. Medea”科学研究所。论文于2023年9月在线发表，并收录于2024年的期刊卷中。
随着工业4.0的深入发展，协作机器人（cobots）——一种能够与人类在共享工作空间中安全协作的新型机器人——在制造业中的应用日益广泛。然而，与这种新型协作模式相关的工人体验质量，特别是其心理影响，仍是一个研究不足的领域。在此背景下，本文旨在对现有文献进行一次范围综述（scoping review），聚焦于操作员在与协作机器人交互时所报告的心理负荷（mental workload， MWL）、其主要来源以及优化心理负荷的潜在解决方案。研究的核心目标是回答三个关键问题：1）在工业人机协作（HRC）背景下，目前使用哪些方法来评估心理负荷？2）在与协作机器人进行工业任务协作时，心理负荷的主要来源是什么？3）在人机协作中，可以实施哪些解决方案来实现工人心理负荷的最佳水平？通过梳理现有知识，该综述旨在为设计和实施更健康、更具生产力的人机协作工作环境提供实践依据和未来研究方向。
论文的核心观点可以归纳为以下几个主要方面，每个观点都得到了所综述文献中具体研究发现的支撑。
第一，当前对人机协作中心理负荷的研究方法呈现出多样性，但存在局限性，尤其是缺乏多模式综合评估。 作为一篇综述，本文的首要任务是厘清当前的研究工具和手段。通过对筛选出的23篇核心文献的分析，作者们发现用于评估心理负荷的工具主要分为三大类：自我报告量表、生理指标测量和任务绩效测量。其中，应用最广泛的自我报告工具是美国国家航空航天局任务负荷指数（NASA-TLX），它通过六个维度（心智、身体、时间需求、绩效、努力和挫败感）来量化主观感受。在生理测量方面，皮肤电活动（EDA）和心率/心率变异性（HR/HRV）是最常见的指标，用于客观捕捉与心理压力相关的自主神经系统反应。任务绩效则主要通过任务完成时间、准确性或生产效率来衡量。作者指出，尽管学术界普遍认为只有结合主观、客观和行为表现的多模式方法才能全面捕捉心理负荷的复杂性，但在所分析的文献中，仅有六项研究（约26%）采用了这种综合策略。绝大多数研究是在实验室环境下进行的，样本量较小（超过一半的研究参与者少于20人），且任务多为短期、孤立的模拟操作，这极大地限制了研究结果在真实、持续工业环境下的普适性。此外，部分研究采用虚拟现实（VR）场景进行探索，但其结果与真实场景研究存在不一致，进一步凸显了需要在真实工业环境中进行更深入、长期研究的必要性。
第二，协作机器人的运动模式、可预测性和近距离交互是操作员心理负荷的关键物理来源。 这是论文通过综述提炼出的一个核心发现。作者们从多项研究中整合了证据，表明当人类与机器人“肩并肩”工作时，机器人自身的运动特性会直接且显著地影响操作员的心理状态。具体而言：1) 速度与距离：机器人的高运动速度，尤其是在与操作员近距离接触时，会显著增加操作员的生理应激反应（如皮肤电导率升高）和主观压力感。机器人较快的工作节奏会给工人带来时间压力，从而提高心理负荷。2) 运动轨迹：与平滑、自然的运动轨迹相比，机器人采用直线、突兀的运动轨迹会引发更高的心理负荷和压力。3) 可预测性：机器人运动的不可预测性是另一个重要的压力源。当操作员无法预判机器人下一步的动作时，会产生焦虑和更高的风险感知，导致心理负荷增加和任务表现下降。相反，为操作员提供预测线索（例如，通过预知信息）可以降低这种不确定性带来的压力。这些发现强调了在协作机器人设计中，优化运动规划算法，使其动作更平滑、更可预测、速度更自适应，对于减轻工人心理负担、促进安全高效协作至关重要。
第三，机器人的沟通能力与交互模式深刻影响协作中的心理负荷与团队效率。 论文指出，协作机器人不仅是执行任务的工具，更是工作中的“伙伴”。因此，其沟通与交互能力是影响人机团队动态和心理负荷的另一个关键维度。综述的证据表明：1) 社交与情感能力：具备社交技能（如能根据情境和合作者状态表达适当情感）的机器人，可以促进更好的人际沟通、实现更顺畅的工作流程、明确操作角色分工，从而降低合作者的认知负荷。2) 信息透明度：为操作员提供清晰的、关于机器人意图或任务状态的信息（例如通过增强现实界面显示产品组装图），可以减少不确定性，降低因猜测机器人下一步行动而产生的挫败感和压力。然而，信息提供也需适量且方式恰当，否则过载的信息反而可能成为新的认知负担。3) 性能与可靠性：从理论模型研究得出的结论是，在给定任务复杂度下，机器人性能越好、可靠性越高，所需的人工干预就越少，从而有助于降低人类的认知负荷。这些观点共同指向一个设计原则：协作机器人需要通过更自然、更有效的沟通模式（如视觉、听觉、触觉提示），成为信息透明的合作伙伴，以支持人类的理解和决策，进而优化协作体验。
第四，任务组织与角色分配的结构是调节心理负荷的重要情境因素。 论文的第三个核心观点涉及工作组织层面。引入协作机器人必然改变传统的任务结构和工人的角色，而这些结构性因素同样影响心理负荷。综述揭示了以下发现：1) 角色与控制感：在协作中，当工人扮演“任务跟随者”而非“任务主导者”时，会报告更高的压力水平，这主要源于对情境的控制感缺失。感知到对机器人系统的控制权与较低的压力水平相关。2) 任务分配与认知卸载：研究显示，当机器人能够主动承担部分任务分配决策（例如，基于任务完成时间的透明任务规划器），从而将工人从繁复的记忆和决策中解放出来时，工人的认知负荷得以降低，并且他们普遍偏好这种支持性的协作模式。3) 相互依赖模式：任务中人与机器人的相互依赖程度也影响心理负荷。研究表明，“互惠式依赖”（reciprocal interdependence）模式，即双方作为拥有共同目标和责任的队友，各自发挥专长技能进行协作，相比于“顺序式依赖”或“池式依赖”，能带来更低的压力感知、更高的工作节奏自主性以及更强的协作感。这意味着，工作场所的设计不应只关注技术本身，还应深思熟虑地规划人机之间的任务分工、责任边界和协作流程，以增强工人的自主性和掌控感。
第五，实现自适应与以人为中心的协作系统是优化心理负荷的未来方向。 在梳理问题与来源的基础上，论文进一步综述了文献中提出的潜在解决方案。这些方案的核心思想是使协作机器人能够根据操作员的实时心理状态动态调整其行为，从而迈向“自适应”和“以人为中心”的协作。具体的技术路径包括：1) 基于生理信号的实时调控：一些研究开发了系统，通过可穿戴设备（如胸带、腕带）持续监测工人的心率变异性、皮肤电活动等生理指标，利用机器学习算法评估其认知负荷或压力水平，进而自动调整机器人的工作速度、运动特性或任务分配，以寻求生产效率与工人心理负荷之间的最佳平衡。2) 智能任务规划与分配：开发内嵌智能决策算法的系统，能够根据实时情况（如任务进度、工人状态）动态调整人机之间的角色和任务分配，减轻工人的记忆和规划负担。这些方案展示了利用现有技术实现人机协作系统“智能化”和“人性化”的巨大潜力，其目标是创造一个既能最大化生产力，又能维护和促进工人心理健康的双赢工作环境。
第六，推进人机协作研究与实践需要强化的多学科交叉与伦理考量。 在结论部分，论文提出了两个具有重要价值的延伸观点。首先，作者敏锐地指出，尽管所有入选研究都关注工人的心理功能，但其中仅有约30%有心理学家作为合著者。这反映了当前该领域研究可能存在的一个风险：过度侧重于工程与技术视角，而相对缺乏来自心理学、人因工程学等学科的深度参与。要真正理解并优化这种涉及人类认知、情感和社交需求的复杂人机关系，必须加强真正的多学科合作。其次，论文郑重地提出了与生理数据监测相关的伦理问题。在工作场所持续收集员工的生理数据虽然有助于健康干预，但也可能侵犯隐私、导致基于健康信息的歧视，或使员工迫于雇佣压力而“被同意”监控。因此，在推广相关技术的同时，必须制定清晰的政策和指南，确保数据使用的透明度，保障员工的知情同意权和拒绝权，避免技术应用带来负面的社会伦理后果。
这篇范围综述系统地回顾并整合了关于人机协作中操作员心理负荷的现有知识。它不仅清晰地识别了心理负荷的主要测量方法、关键来源（机器人运动、沟通模式和任务组织），还展望了通过自适应机器人技术进行干预的可行方向。更重要的是，它超越了单纯的技术讨论，呼吁加强多学科研究合作，并深刻警示了技术应用中不可或缺的伦理维度。因此，该论文对于机器人学、人机交互、工业心理学和工作设计等领域的研究者和实践者都具有重要的参考价值，为构建一个技术先进且以人为本的未来工作场所提供了重要的学术基础与思想框架。