人機交互設計的案例
自動駕駛人機交互[一]：自動駕駛人機交互的Why、What、Where
Ⅳ類HMI功能
在有人駕駛模式下，需提供Ⅲ類HMI所有功能，同時可支持駕駛員在車外的無人駕駛模式。適用于L4、L5級駕駛自動化系統。
下表2是四類自動駕駛人機交互功能的對比。
表 2 自動駕駛人機交互功能分類
自動駕駛人機交互的主要目標是保證系統的安全運行，其主要受到安全威脅的使用場景見下圖1。
圖 1 自動駕駛人機交互使用場景
場景一：自車感知系統失效
使用場景描述
指自動駕駛系統的環境感知傳感器（攝像頭、毫米波雷達、激光雷達、超聲波雷達）或先驗感知傳感器（高精地圖、GNSS）發生故障，無法有效獲取車道線、目標、交通標志等情況。
圖 2 自車感知系統失效
HMI響應要求
場景一對自動駕駛人機交互的響應要求見下表1。
表 1 自車感知系統失效場景HMI響應要求
*注：Ⅰ類/Ⅱ類/Ⅲ類/Ⅳ類HMI功能的定義參見《自動駕駛人機交互[一]：自動駕駛人機交互的Why與What》。
場景二：超出設計運行區域ODD范圍
使用場景描述
指當前車輛超出了自動駕駛系統定義的設計運行區域（地理圍欄、道路基礎設施、天氣、交通等）。
圖 3 超出設計運行區域ODD
HMI響應要求
場景二對自動駕駛人機交互的響應要求見下表2。
表 2 超出設計運行區域ODD范圍HMI響應要求
場景三：駕駛員狀態異常，無法正常駕駛
使用場景描述
指當駕駛員處于不在場、疲勞、注意力不集中等異常情況，而無法完成動態駕駛任務。
圖 4 駕駛員狀態異常
HMI響應要求
場景三對自動駕駛人機交互的響應要求見下表3。
展開 什么是人機交互技術？
由于媒體帶寬和人的注意力的限制,在時變媒體中，用戶不僅要控制呈現信息的內容，也必須控制何時呈現和如何呈現。
結合語音人機交互過程，可以看出智能語音人機交互關鍵技術主要如下：
1.自然語音處理技術
包括中文分詞、詞性標注、實體識別、句法分析、自動文本分類等技術。
2.語義分析和理解
包括知識表示、本體理論、分領域的語義網絡、機器推理等。
3.知識構建和學習體系
包括搜索技術、網絡爬蟲、數據挖掘、知識獲取、機器學習等技術。
4.語音技術
包括語音識別、語音合成和聲紋識別等。
5.整合通信技術
包括跨平臺即時通訊整合技術、超大負載消息集群處理技術、移動客戶端開發技術。
6.云計算技術
包括海量數據分布式存儲、統計和分析技術。
智能語音人機交互技術在典型行業的應用
語音交互方式替代文本交互方式，可以增強信息輸入方式，能和更多的設備進行整合，市場前景廣闊。目前，智能語音人機交互技術已經廣泛應用到電話銷售、智能客服、智能終端等領域，切實深入到人們的生活。
VR系統中人機交互的特點
人機交互可以說是VR系統的核心，因而，VR系統中人機交互的特點是所有軟硬件設計的基礎。
其特點如下：
觀察點（Viewpoint) 是用戶做觀察的起點。
導航（Navigation) 是指用戶改變觀察點的能力。
操作（Manipulation）是指用戶對其周圍對象起作用的能力。
臨境（Immersion) 是指用戶身臨其境的感覺，這在VR系統中越來越重要。
VR系統中人機交互若要具備這些特點，就需要發展新的交互裝置，其中包括三維空間定位裝置、語言理解、視覺跟蹤、頭部跟蹤和姿勢識別等。
多媒體與VR系統的人機交互有著某些共同特點。首先，它們都是使用多個感覺通道，如視覺和聽覺；其次，它們都是時變媒體。
展開 自動駕駛人機交互 [五]：駕駛員狀態監控
作者 | HYZY
來源 | 焉知
知圈 | 進“HMI社群”請加微信15221054164，備注HMI
一、基本概念
駕駛員狀態監控系統DMS（Driver Monitor System）屬于自動駕駛人機交互的一部分，其使用攝像頭獲取的圖像及其它車身傳感器輸入的數據，通過視覺跟蹤、動作識別等技術監測駕駛員的駕駛行為和生理狀態，當判斷駕駛員不在場或處于非正常駕駛狀態時（疲勞、分心等），自動駕駛系統向駕駛員發出報警或執行其它安全策略，以確保車輛運行安全。
圖 1 駕駛員狀態監控DMS
從技術原理上，駕駛員狀態監控系統DMS可分為直接監控和間接監控兩種類型：
直接監控：通過傳感器獲取駕駛員頭部運動、面部運動、眼部運動、心電或腦電等直接表征駕駛員狀態的信號，用以判斷駕駛員的狀態；
間接監控：通過獲取駕駛員的駕駛行為信號及相關車輛狀態信號，間接判斷駕駛員狀態。
直接監控方式可獲取更多的駕駛員狀態信息，且隨著相關視覺技術的進步，其判斷結果可信度也不斷提升，多用于自動駕駛系統的人機交互。間接監控方式可獲取的駕駛員狀態信息有限，通常可用于駕駛員駕駛風格判斷及整車駕駛模式匹配。
二、駕駛員狀態定義
駕駛員狀態監控系統DMS可識別的駕駛員狀態見下圖2。
展開 267 基于matlab的信號處理GUI人機交互 ￥25.9
基于matlab的信號處理GUI人機交互，利用GUI功能完成包括振幅調制AM（Amplitude Modulation），雙邊帶調幅信號DSB（double sideband），單邊帶信號SSB（single sideband ），調頻FM模擬（Frequency Modulation）調制在內的調制解調過程，輸入波形及濾波參數可調，程序已調通，可直接運行。
自動駕駛人機交互[四]：用戶接管和主動干預
即使到了L4級自動駕駛，由于系統無法覆蓋所有駕駛場景，因此在超出設計運行區域ODD時，人類駕駛員也需要接管駕駛控制。
圖 1 人類駕駛員作為自動駕駛系統的“備胎”
接管的本質就是車輛駕駛控制權在“人”與“機”之間的轉換問題，根據駕駛權轉換的發起者和執行者不同，接管可分為由自動駕駛系統發起的被動接管和由用戶發起的主動干預。
圖 2 接管與干預
被動接管的準確定義為：當出現動態駕駛任務DDT相關的系統失效或車輛超出設計運行區域ODD范圍時，由自動駕駛系統向用戶發出接管請求，用戶通過控制橫縱向運動控制的方式予以響應。被動接管強調由自動駕駛系統發起，用戶被動執行。
主動干預的準確定義為：用戶在自動駕駛系統仍處于活動狀態時，主動向橫縱向運動控制裝置提供輸入，系統根據用戶的輸入是否達到閾值選擇退出功能還是繼續執行動態駕駛任務DDT。主動干預則強調由用戶主動發起。
二、被動接管
1、被動接管基本要求
觸發自動駕駛系統發出接管請求的事件可分為可預期事件和意外事件兩類：由可預期事件觸發的接管請求通常屬于非緊急狀況的駕駛權轉換，系統應盡早向用戶發出接管請求，以保證用戶有足夠的時間完成接管動作；由意外事件觸發的接管請求通常屬于緊急狀況的駕駛權轉換，一般難以保證用戶有足夠的接管時間。
圖 3 請求接管
系統發出的接管請求信號應跟隨請求時間逐步提升警告強度，例如從單純視覺信號報警升級到視覺信號加聲音信號報警，直至接管請求結束。
2、接管功能時序
當可預期事件觸發了非緊急狀況下的被動接管時，自動駕駛系統應繼續運行。
展開 有條件自動駕駛落地有效助力--人機交互與接管
分別從如下幾方面進行相應的研究：
1）功能體驗研究
研究車輛交互中聲音、震動、燈光的駕駛員功能體驗的效果；
研究各種車機信息交互之間的影響，使與駕駛員交互信息效果最優；
研究各類方式的交互效果的測評；
2）人機交互研究
研究實際應用中的人機交互的方式轉變與應用；
研究觸屏、語音、手勢、人臉等多模態交互功能開發；
為自動駕駛車輛的人機交互提供開發支持；
3）人機接管研究
研究體系與自動駕駛功能之間的對應關系；
研究從駕駛場景（緊急制動、行人穿行 ）、駕駛員（年齡、職業、場景等）、車輛狀 態（主動接管、ODD場景的接管）等多維度的接管場景體系；
智能交互業務體系
智能駕駛中的人機交互分為純粹的人機交互和人機接管兩個方向。其中，人機交互包含語音數據、人臉數據、手勢識別、人因數據等幾個方面。其上各方面分別是從數據采集，建立樣本庫，開發算法，到最終形成評價應用入手進行研究。而人機接管過程則更多與智能駕駛的控制過程做強綁定，實現需要從駕駛員、環境、采取機制等幾個大方向的研究策略。具體說來可包括如下幾個業務體系。
對于面向自動駕駛的人機交互解決方案來講，涉及在高級智能化階段基于高性能國產AI芯片的高安全性解決方案，以及聯合云端大腦，整合高精地圖、數據閉環、智能汽車運營等全方位云端智能化，構建智能汽車核心能力。整合路端智能化，支持車路協同功能的落地，極大提升系統安全性。
通過對智能交互業務梳理，可通過數據庫建設、測試用例、算法開發與評價應用等方面作為業務方向，同時對駕駛員行為全面監控，為人機接管提供更科學的依據，可以全面提升駕駛體驗。
展開 Pro/E優化人機交互的解決方案：Manikin
Pro/ENGINEER Manikin是一項PTC在2008年年底發布的三維人體模型新技術，由PTC內部對人體工程學，人機界面，CAD技術有深刻理解的研發團隊開發。Pro/ENGINEER Manikin包括Manikin Extension模塊和Manikin Analysis Extension模塊，用戶可以借此在Wildfire 4.0 M060及以上版本的環境下，模擬圍繞設計產品的生產、安裝、使用、維修等人為活動。
Manikin可緊密地集成在Pro/ENGINEER中，從而實現在用戶習慣的工作環境中，方便地使用。在今天的全球市場中，產品設計工程師經常要面對挑戰，確保他們的產品能夠在世界范圍內被順利地生產、安裝、使用以及維修。產品經常要求被作為針對某個特定人群的設計，而且要 確保產品使用時的安全規則及標準，在使用各種復雜、昂貴并且使用費時的傳統工具后，用戶表達了對產品越來越多的人性化設計需求。
由于在產品開發流程中缺乏工具的集成性，產品開發團隊一般情況下必須為了得到有關人的設計因素，重要的人體工學驗證結果而付出足夠的等待。在很多情況下，有關人的設計因素驗證需要長期的時間及高成本的物理樣機。如果一個產品的設計沒有達到用戶需求或滿足設計指標，那這中間的時間及金錢將會因為返工設計而翻倍。
Pro/ENGINEER Manikin為工程師和人機工程專家提供了一種易用的而且務實的設計方案。使用者可以在工業界的ISO標準下對設計進行虛擬的人機工程測試，而關于人的樣本因素，方案中提供了全球范圍的各種特征性選擇。實踐證明，越早地在設計中體現人機界面的設計優化，更多的開發時間及成本將被有效地節約下來了。
展開 東京工業大學利用高精度3D打印技術輔助人機交互研究
其研究項目之一是如何提高機器人精密運動部件的靈活性，從而增強人機交互。在機器人的研發過程中，為保障運動結構件的精度，長谷川實驗室引進了高精度3D打印機——Raise3D Pro3。
“我想制造一個動作靈活的機器人。此外，我還想降低這項技術的成本，以讓它得到廣泛應用。”在面對目前市場上的機器人運動部件精度不足，導致運動靈活性低問題時，長谷川實驗室的Hasegawa Shoichi教授表達了他對機器人未來發展的愿景。
長谷川實驗室在毛絨娃娃的內部添加了一個機器人結構。雖然它外表看起來就是一個柔軟的毛絨玩具，但內部機器人卻有著復雜和精確的運動結構，如機械臂，軸承，電機支架。
這些部件和結構是由實驗室成員獨立設計和開發的，在設計和開發過程中他們遇到很多挑戰。首先，這些零件體積很小，結構特殊，需要使用高精密的制造工具，如CNC工藝。
展開 自動駕駛人機交互 [六]：最小風險策略MRM
作者 | HYZY
來源 | 焉知
知圈 | 進“HMI社群”請加微信15221054164，備注HMI
一、 MRM的定義
自動駕駛人機交互有一項基本要求為：當用戶無法及時響應自動駕駛系統發出的接管請求時，自動駕駛系統應執行最小風險策略MRM，以保證車輛運行安全（參見自動駕駛人機交互[四]：用戶接管和主動干預）。
這里最小風險策略MRM（Minimal risk maneuver）的概念源于功能安全標準ISO 26262，其準確定義為：在駕駛自動化系統或用戶無法執行動態駕駛任務或動態駕駛任務接管時，駕駛自動化系統所采取的降低風險的措施。
在自動駕駛系統功能設計中，為適應不同的需求，通常可以定義多種不同的最小風險策略MRM，常見的MRM見下表1。
二、 MRM的目標
根據最小風險策略MRM的定義，MRM運行的目標是保證車輛運行安全，而在自動駕駛系統設計中，“保證車輛運行安全”指的就是車輛進入了最小風險狀態MRC。也就是說，在自動駕駛人機交互中，當用戶無法及時接管駕駛任務時，系統應可以自動執行最小風險策略MRM，使車輛進入最小風險狀態MRC。
最小風險狀態MRC（Minimal Risk Condition）的定義為：當車輛無法完成預定的行程時，由用戶或駕駛自動化系統執行并最終使車輛事故風險達到可接受的狀態。常見的幾種最小風險狀態MRC定義見下表2。
展開 人機交互領域取得重要進展
代表著人工智能人機交互領域的一項里程碑式的工作，并支持從基于觸摸的設備到語音操作的電子系統的演變。
人工智能(AI)、物聯網(IoT)和智能家居的快速發展正在以有意義和根本性方式更新我們的生活方式，而這種變化的基石是人和機器之間強大而準確的交流。連接用戶和機器的人機界面是這種交流的結構化系統，可以包括語音或手勢，后者是當前廣泛采用的語言。與機器的交流和互動正在改變我們的生活方式。然而，開發一種同時具有防水、耐磨、高保真和高精度人機交互功能的聲學界面仍然是一個巨大的挑戰。
來自重慶大學的學者報道了一種用于與機器通信的可穿戴式翻譯接口的防水聲傳感器(WAS)。由于內部微粒的聲音響應能力，IS具有明顯的0.1-20 kHz的頻率響應范圍，幾乎覆蓋了整個人體聽覺范圍。WAS對人體排汗穩定，顯示全方位響應，并顯示0.0001 kHz的出色頻率檢測分辨率。WAS具有一系列引人注目的功能，可以作為可穿戴的聲學人機界面和高保真的音樂錄制聽覺平臺。此外，在人工智能算法的輔助下，基于WAS的聲學接口具有顯著的98%的語音識別準確率。
展開 聚焦車載屏檢測，怎能不筑牢智能汽車人機交互安全線？
當汽車從單純的交通工具，進化為集出行、娛樂、交互于一體的智能移動空間，車載中控屏、儀表屏、AR-HUD等顯示設備，早已告別單純的“顯示工具”定位，成為人車交互的核心樞紐。一塊卡頓、失靈、工況不穩定的車載屏，不僅會徹底毀掉駕乘體驗，更會直接埋下行車安全隱患。
但行業現狀卻格外刺眼：據第三方汽車投訴平臺數據統計，智能汽車座艙相關投訴中，車載屏幕黑屏、觸控失靈、強光下可視性差、極端工況下卡頓死機等問題，占比超過35%，成為用戶吐槽重災區。消費電子屏直接“上車”、測試環節簡化、車規級驗證缺失，是行業普遍存在的痛點。
在智能座艙競爭步入白熱化的當下，車企比拼的早已不止是屏幕尺寸、分辨率與交互邏輯，更是極端場景下的穩定性與可靠性。而車載屏性能檢測系統，正是藏在產業鏈幕后、守住座艙品質與安全的關鍵一環，也是智能汽車從量產到上路不可或缺的“質檢守門員”。
從消費電子到車規級，車載屏測試絕非“簡單驗機”
手機、平板等消費電子屏的檢測邏輯，完全無法適配車載場景。汽車行駛環境的復雜性、工況的多變性，以及車規級嚴苛的安全標準，讓車載屏性能檢測成為一項系統化、全維度、高精準度的工程。
相比于家用電子設備，車載屏要直面-40℃至85℃的極端溫差、長期顛簸振動、復雜電磁干擾、強光直射、高低電壓波動等多重考驗，同時還要滿足全天候流暢交互、零失誤操作的行車安全要求。傳統人工抽檢、單一參數測試的模式，不僅效率極低，而且無法覆蓋全場景工況，極易讓不合格品流入量產環節。
車載屏性能檢測系統，正是針對車載場景專屬打造的全流程測試解決方案，徹底打破傳統測試的局限性，實現從硬件性能、交互體驗、環境適配到系統穩定性的全覆蓋驗證，全程貼合ISO 16750、ISO 26262等車規級標準，完成從研發、試產到量產的全生命周期質量管控。
展開 
SW參數化設計軟件 慧德敏學
隨著產品設計信息化進程的不斷推進，企業運用三維CAD系統進行設計正日趨廣泛，三維參數化設計無疑是提高設計效率的好方法之一。所謂參數化設計就是將模型中的約束信息變量化，使之成為可以調整的參數，賦以不同數值就可得到不同大小和形狀的零件模型，這種設計方法效率高、實現簡單、程序量小、可移植性強，對形狀或功能相似的產品設計具有重要意義。
一、SW參數化設計目標：
1、定義以及掌握工程知識
2、重復使用以前完成的設計工作
3、管理系統的互動
4、彈性的維護整個設計
5、定義設計的源頭是唯一的
二、SW參數化設計軟件特點：
1、自動讀取三維模型結構、變量、方程式、尺寸等信息
2、設置獨立參數，并與模型關聯
3、通過方程式驅動多個關聯參數與尺寸
4、提供各種約束條件的設置方法
5、個性化的人機交互設計界面
6、通過人機交互設計界面驅動產品自動設計，包括工程圖和 BOM 明細
7、通過 API 接口擴展任何客戶化擴展功能
8、基于 SOLIDWORKS 的應用平臺
三、SW參數化設計方法優化特征：
1、產品信息自動獲取
自動獲取產品的清單；
2、產品模型自動生成
對所述清單進行解析，提取出產品的尺寸信息，以生成與清單中的產品對應的三維模型圖；
3、產品清單自動導出
根據所述三維模型圖，導出產品的二維工程圖、物料清單和生產工藝清單；
4、產品管理標準化管理
將所述三維模型圖、二維工程圖、物料清單和生產工藝清單存入數據庫，以便生產信息化管理軟件通過調用所述數據庫中的圖紙或表單，依據圖紙或表單對產品進行生產加工。
展開 自動駕駛的“另類”安全觀
這對于傳統安全設計的“系統思維”，是一個顛覆性的沖擊。
這意味著按照傳統的方法，列出所有的需求，在SOP前按V模型開發交付落地，既不現實，也無必要。
“數據驅動改進“的提法在自動駕駛領域很流行，也是領域主流玩家一致認可的系統進化方向。
對于安全設計來說，要應對這個趨勢，一是能夠在每個階段，識別出關鍵的交付目標；二是數據閉環的及時性，這也是我們“Data Driven Improvement”方案要解決的問題。最后但仍然重要的一點，在系統爬坡的過程中，需要使用合理的人機交互設計，控制整體系統的風險。
這也引出了最后一點，也是我認為最難的一點：
通過人機交互設計，讓用戶預期和系統能力盡可能趨于一致。
這個難點在于“用戶體驗”和“用戶預期”之間的平衡。
從用戶體驗角度，希望用戶盡可能不受干擾，徹底解放。
從產品安全的角度，又需要用戶隨時應對系統能力邊界，做好接管的準備。
這兩個方面的訴求，對人機交互設計提出了非常高的要求：
非必要的時候，盡可能不干擾用戶；
提醒盡可能精準和直觀；
基于系統能力演進，不斷調整和進化人機交互等等。
可能大家沒有意識到，這個領域的設計難度和工作量，一點不比算法開發容易。
最后，這幾年總是聽到大家在吐槽，傳統的功能安全方法不能有效應對新技術的發展。希望能夠拋磚引玉，給大家提供一些新的思路，來解這個問題。
展開 有人/無人機編隊指揮控制系統結構設計
空軍航空大學教學考評中心, 吉林 長春 130022)
摘 要: 針對有人/無人機(manned aerial vehicle/unmanned aerial vehicle, MAV/UAV)編隊指揮控制系統結構設計問題進行了研究。以未來空中作戰為背景,結合MAV/UAV編隊作戰流程和特征,基于人機合作機制，設計了MAV/UAV編隊協同三層遞階式指揮控制結構,分別為任務規劃層、協調控制層和功能實現層。在此基礎上,分析了系統結構中關鍵模塊如輔助決策模塊、人機交互系統、編隊控制管理系統和航跡規劃路徑跟蹤系統的內容。最后，設計了人機交互系統指揮界面,并針對典型控制任務進行了仿真驗證。
關鍵詞: 有人/無人機編隊; 指揮控制系統; 人機合作; 三層遞階式
0 引 言
近年來,無人機(unmanned aerial vehicle,UAV)憑借其結構簡單、成本低和無人員危險等優點,在局部戰爭中被廣泛應用,UAV編隊在執行軍事探測、防御和攻擊任務扮演著重要角色。但是隨著戰場環境日趨復雜,UAV智能水平并未真正達到自主決策,傳統UAV編隊將無法滿足獨立完成作戰任務需求,有人機(manned aerial vehicle, MAV)/UAV編隊執行任務將成為未來戰爭的一種必然趨勢。與傳統UAV編隊相比,MAV/UAV編隊既提高了MAV的生存能力,又延伸了UAV探測距離和攻擊距離,充分發揮了飛行員在整個回路中的智慧與綜合判斷能力,大大提高了編隊作戰效能。因此,MAV/UAV編隊技術成為各軍事強國的研究熱點。
展開 抬頭顯示系統HUD（四）：AR-HUD與智能駕駛
作者 | HYZY
出品 | 焉知
一智能駕駛人機交互的設計原則
對于L3及L3以下的智能駕駛汽車來說，人和車需要協同合作，共同完成駕駛任務。在這個過程中，車和人之間主要的交互方式就是人機界面HMI。智能駕駛的人機界面需要使車了解駕駛員的命令和意圖，同時還要為用戶提供一個清晰的系統運行狀態，最終使用戶增強對系統的信任。
圖 1 自動駕駛交互界面
智能駕駛人機交互設計應遵循以下三條原則：
建立用戶信心：通過“你見即我見”及“決策預告”設計，將智駕系統感知信息及規劃、預測信息以視覺形式實時顯示給用戶，增強用戶使用信心；
明確駕駛責任分配：需通過視覺等形式清晰告知用戶，當前自己與系統所承擔的任務及擔負的責任；
駕駛接管：無論是系統接管用戶，還是用戶接管系統，交互設計都必須保證雙方對駕駛權的更替進行反饋認可。
二.AR-HUD的應用場景
智能駕駛人機界面中所有需要通過視覺顯示的內容，AR-HUD無疑都是一個理想選項。因為AR-HUD讓用戶得以和周圍環境直接互動，而不只是注意車前的位置。用戶可通過AR-HUD準確掌握自己的車在干什么。以下為具體的AR-HUD的應用場景：
1. 車道輔助
AR-HUD可根據智能駕駛系統輸入的車道線信息，將圖像直接顯示在真實的車道線上，可增強車道輔助類智能駕駛功能體驗效果。
圖 2 AR-HUD車道輔助
2.
展開 