⚡ electrical engineering

The Role of Variability in Human-Machine Interaction Experience

تُظهر هذه الدراسة أن متحكماً أمثلاً مدركاً للتباين البشري يعزز بشكل كبير جودة التفاعل المدركة وسهولة الاستخدام في مهام التحكم المشترك اللمسي، دون المساس بأداء المهمة، وذلك من خلال الحفاظ على العشوائية الطبيعية للحركة البشرية بدلاً من كبتها.

المؤلفون الأصليون: Sean Kille, Jan Lars Hagemann, Anne Voormann, Balint Varga, Andrea Kiesel, Sören Hohmann

نُشر 2026-08-13

📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Sean Kille, Jan Lars Hagemann, Anne Voormann, Balint Varga, Andrea Kiesel, Sören Hohmann

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تتعلم ركوب الدراجة. في البداية، تترنح قليلاً، وتتأرجح مقود دراجتك، ولا يكون مسارك خطاً مستقيماً مثالياً. هذا الترنح ليس خطأً؛ بل هو طريقتك في جعل عقلك وجسدك يكتشفان كيفية التوازن. الآن، تخيل صديقاً غير مرئي، فائق الذكاء، يركب معك. إذا كان هذا الصديق متسلطاً للغاية، فقد يقوم بقفل مقود دراجتك في خط مستقيم وصلب تماماً لمنعك من السقوط. ستصل إلى وجهتك بشكل أسرع، لكنك ستشعر وكأنك راكب في دراجتك الخاصة، ولست القائد. ستفقد الشعور بـ "أنا أفعل هذا". هذا هو جوهر مجال يُسمى التفاعل بين الإنسان والآلة (HMI). إنه علم كيفية عمل البشر والروبوتات (أو الحواسيب) معاً، خاصة عندما يتلامسون جسدياً، مثل الإمساك بذراع روبوتية أو قيادة سيارة. لفترة طويلة، اعتقد المهندسون أن أفضل روبوت هو ذلك الذي يلغي جميع الأخطاء البشرية والترنحات لجعل الأمور مثالية. لكن التفكير الحديث يشير إلى أن تلك "الترنحات" — ما يسميه العلماء التباين (variability) — هي في الواقع ميزة وليست عيباً. إنها الإيقاع الطبيعي لكيفية تحرك البشر. السؤال الكبير هو: إذا ساعدنا الروبوت ولكن سمح لنا بالاحتفاظ بترنحاتنا الطبيعية، فهل سنشعر بقدر أكبر من السيطرة ونستمتع بالرحلة أكثر، حتى لو وصلنا إلى خط النهاية بنفس السرعة؟

تتعمق هذه الورقة البحثية في هذا السؤال تحديداً. قام الباحثون بإعداد لعبة افتراضية حيث تعين على الأشخاص تحريك ذراع روبوتية من نقطة البادئة إلى نقطة الهدف بأسرع وأدق طريقة ممكنة. لقد اختبروا ثلاث طرق مختلفة يمكن للروبوت من خلالها المساعدة (أو عدم المساعدة). أولاً، كان هناك وضع "عدم المساعدة"، حيث يقوم الشخص بالمهمة بمفرده. ثانياً، كان هناك وضع "المساعد الصارم" (يُسمى lowVar)، حيث تصرف الروبوت كدليل صلب، يقوم بتنعيم كل حركة بسيطة ويجبر الحركة لتكون مستقيمة وثابتة تماماً. ثالثاً، كان هناك وضع "المساعد الهادئ" (يُسمى highVar)، والذي استخدم استراتيجية تحكم جديدة ومميزة. كان هذا الروبوت ذكياً بما يكفي للمساعدة في الأجزاء الصعبة (الوصول إلى الهدف) ولكنه سمح عمداً للشخص بالاحتفاظ بحركاته الطبيعية المترنحة قليلاً في الاتجاهات التي لا تهم بالنسبة للهدف.

كانت النتائج رائعة حقاً. عندما نظروا في مدى جودة أداء الناس للمهمة، وجدوا أن "المساعد الصارم" و"المساعد الهادئ" كانا متعادلين تقريباً. كلاهما أنجز المهمة بنفس الجودة، وكلاهما كان أفضل بكثير من القيام بها بمفرده. لم يجعل "المساعد الهادئ" الناس أبطأ أو أقل دقة. ومع ذلك، عندما سألوا الناس عن شعورهم تجاه التجربة، فاز "المساعد الهادئ" باكتساح. صنف الناس "المساعد الهادئ" على أنه أكثر قابلية للاستخدام وأسهل في الاستخدام من "المساعد الصارم". اتضح أن السماح للروبوت باحترام أسلوب حركتك الطبيعي والمضطرب قليلاً جعل التجربة تبدو أكثر سلاسة وراحة.

لم تجد الدراسة أن "المساعد الهادئ" جعل الناس يشعرون بأنهم "أكثر سيطرة" (وهو شعور يُسمى القدرة على الفعل/الوكالة) أو أكثر ثقة في مهاراتهم مقارنة بـ "المساعد الصارم". في الواقع، جعل كلا الوضعين المساعدين الناس يشعرون بقدر أكبر من الكفاءة والسيطرة مقارنة بالقيام بالأمر بمفردهم، ويرجع ذلك على الأرجح إلى نجاحهم في المهمة. لكن الشعور المحدد بـ "هذا النظام سهل الاستخدام" كان أعلى بكثير عندما سمح الروبوت بالتباين الطبيعي. يقترح الباحثون أنه من خلال عدم الإفراط في تصحيح الحركات الطبيعية للإنسان، يشعر الروبوت بأنه أقل شبهاً بالديكتاتور المتسلط وأكثر شبهاً بالشريك المتعاون. تثبت هذه الدراسة أنه ليس عليك التضحية بالأداء للحصول على تجربة أفضل؛ بل في الواقع، من خلال احترام "الترنح" الطبيعي للحركة البشرية، يمكنك جعل الروبوتات تبدو أكثر ودية وأكثر شبهاً بالبشر دون جعل المهمة أصعب.

ملخص تقني: دور التباين في تجربة التفاعل بين الإنسان والآلة

بيان المشكلة

يتجه التفاعل الفيزيائي بين الإنسان والآلة (pHMI) بشكل متزايد نحو التعاون المتكامل وثيق الصلة، حيث يتبادل البشر والآلات القوى الفيزيائية لتحقيق مهام مشتركة. وبينما تنجح استراتيجيات التحكم المشترك والمساعدة اللمسية التقليدية في تحسين أداء المهام الموضوعي بفعالية، إلا أنها تعتمد عادةً على نماذج بشرية حتمية تتجاهل الطبيعة العشوائية للسلوك الحركي البشري. وتحديداً، تعمل هذه الأنظمة غالباً على كبح التباين الطبيعي في الحركة، معتبرة إياه ضجيجاً يجب تقليله بدلاً من كونه سمة هيكلية للتحكم الحركي.

تجادل الورقة بأن تقييد التباين غير المرتبط بالمهمة بشكل منهجي قد يغير الاستمرارية الحسية الحركية التي من خلالها يولد المستخدمون التنبؤات وينسبون نتائج الأفعال إلى أصحابها. إن عدم التطابق هذا بين النموذج الداخلي للمتحكم والنمط الإحصائي للحركة البشرية قد يؤدي إلى تدهور شعور المستخدم بالقدرة على الفعل (sense of agency)، وإدراك سهولة الاستخدام، وتجربة التفاعل الإجمالية، حتى لو ظل أداء المهمة مرتفعاً. وعلى الرغم من الدور الراسخ للتباين الهيكلي في التحكم الحركي، إلا أن تأثيره المحدد على تجربة التفاعل البشري في أنظمة الـ pHMI وثيقة الاقتران لم يتم استكشافه تجريبياً بعد.

المنهجية

التصميم التجريبي

استخدمت الدراسة تصميماً داخل المجموعة (within-subject design) شمل 41 مشاركاً قاموا بمهمة لمسية لنقل نقطة من نقطة إلى أخرى مقترنة فيزيائياً. كان المتغير المستقل هو نمط التفاعل، والذي يتكون من ثلاثة أوضاع:

noSup (بدون دعم): وضع خط الأساس الذي لا يتضمن أي أتمتة، ويجسد أنماط الحركة البشرية الطبيعية.
lowVar (تقييد التباين): وضع المتحكم التقليدي المصمم لتقليل تباين الحركة الإجمالي.
highVar (احترام التباين): وضع التحكم الأمثل الذي يحترم التباين البشري (HVROC) المبتكر، والمصمم للحفاظ على أنماط التباين الطبيعي في الحركة في الأبعاد غير المرتبطة بالمهمة مع الحفاظ على دقة المهمة.

تنفيذ النظام

الأجهزة: ذراع روبوتية من نوع KUKA LBR iiwa 14 R820 مجهزة بمستشعر قوة وعزم دوران لتعمل كواجهة لمسية.
المحاكاة: تم ربط الروبوت افتراضياً بنظام كتلة نقطية خطي محاكى (ديناميكيات مخمد-كتلة) في مساحة عمل ثنائية الأبعاد.
منطق التحكم: طبقت الأتمتة مدخلات قوة إضافية بناءً على قانون تحكم يعتمد على التغذية الراجعة للحالة.
- استخدم وضع lowVar حلاً ثابتاً لـ HVROC مع معاملات تغذية راجعة عالية ( $L_p = L_d = 150$ ) لتخميد الانحرافات بقوة.
- استخدم وضع highVar جدولة متغيرة للمعاملات تعتمد على خطأ الموضع. حيث استخدم معاملات أولية أقل ( $L_p=77, L_d=20$ ) للسماح بالتباين الطبيعي أثناء مرحلة الحركة، مع زيادة المعاملات خطياً فقط عند اقتراب النظام من الهدف ( $e < 1/3 e_{start}$ ) لضمان تباطؤ مستقر.
المهمة: أدى المشاركون 82 حركة عبر أربعة اتجاهات، مع موازنة السرعة والدقة. تم تفعيل الأتمتة فقط عندما تجاوزت القوة التي طبقها الإنسان 5 نيوتن لعزل آثار استراتيجية التحكم عن تأخيرات زمن الاستجابة.

المقاييس

المقاييس السلوكية:
- التباين غير المرتبط بالمهمة: تم قياسه كأقصى تباين موضعي ( $V_{max}^y$ ) متعامد مع اتجاه الحركة خلال مرحلة منتصف الحركة.
- أداء المهمة: تم قياسه عبر زمن الاستقرار، وخطأ نقطة النهاية، وتباين نقطة النهاية في منطقة الهدف.
مقاييس تجربة التفاعل:
- القدرة على الفعل (Sense of Agency): الإدراك بالسيطرة على الأفعال والنتائج.
- الكفاءة الذاتية (Self-Efficacy): الاعتقاد بالقدرة الشخصية على أداء المهمة.
- التدفق (Flow): حالة من الانخراط المركز.
- سهولة الاستخدام (Usability): تم تقييمها عبر استبيان QUEAD، بما في ذلك المقاييس الفرعية للفائدة المدركة، وسهولة الاستخدام، والاستجابة العاطفية.

المساهمات الرئيسية

الاستقصاء التجريبي لهيكل التباين: توفر الدراسة أول دليل تجريبي بشأن العلاقة السببية بين تباين الحركة غير المرتبط بالمهمة وتجربة التفاعل البشري في أنظمة pHMI وثيقة الاقتران.
تنفيذ نظام HVROC: تثبت الورقة جدوى متحكم أمثل يراعي التباين، يقوم صراحةً بالتلاعب بالتباين غير المرتبط بالمهمة دون المساس بأداء المهمة المرتبط بها.
الفصل بين الأداء والتجربة: يوضح البحث أن استراتيجيات التحكم يمكن أن تكون متكافئة وظيفياً من حيث نجاح المهمة الموضوعي، بينما تكون متميزة تجريبياً.

النتائج

أداء المهمة

تلاعب التباين: نجح وضع highVar في الحفاظ على قدر أكبر بكثير من التباين غير المرتبط بالمهمة ( $M=0.65 \times 10^{-4} m^2$ ) مقارنة بوضع lowVar ( $M=0.33 \times 10^{-4} m^2$ )، رغم أن كليهما كان أقل من خط الأساس noSup ( $M=1.11 \times 10^{-4} m^2$ ).
النجاح في المهمة: تفوق كلا وضعي المساعدة (lowVar و highVar) بشكل كبير على وضع noSup من حيث زمن الاستقرار، وخطأ نقطة النهاية، وتباين نقطة النهاية.
التكافؤ: والأهم من ذلك، لم تكن هناك فروق ذات دلالة إحصائية في الأداء المرتبط بالمهمة (زمن الاستقرار، خطأ نقطة النهاية، أو تباين نقطة النهاية) بين وضعي highVar و lowVar. وهذا يؤكد أن الحفاظ على أنماط التباين الطبيعي لا يأتي على حساب أداء المهمة الموضوعي.

تجربة التفاعل البشري

التجربة العامة: حقق كلا وضعي المساعدة تقييمات أعلى بكثير للقدرة على الفعل، والكفاءة الذاتية، والتدفق، وسهولة الاستخدام مقارنة بوضع noSup.
تأثير التباين: بينما لم تختلف القدرة على الفعل والكفاءة الذاتية والتدفق بشكل كبير بين وضعي المساعدة، كانت سهولة الاستخدام أعلى بكثير في حالة highVar مقارنة بـ lowVar.
تحليل المقاييس الفرعية: كان التحسن في سهولة الاستخدام في حالة highVar مدفوعاً بشكل أساسي بتقييمات أعلى بكثير في سهولة الاستخدام المدركة واتجاه إيجابي في الاستجابة العاطفية. أما الفائدة المدركة، التي ارتبطت بالنجاح في المهمة، فلم تظهر أي فرق معنوي بين وضعي المساعدة.

الأهمية والادعاءات

تدعي الورقة أن الحفاظ على تباين الحركة الهيكلي غير المرتبط بالمهمة يعد مبدأ تصميمياً حرجاً للتفاعل بين الإنسان والآلة (pHMI) المتمحور حول الإنسان. وتشير النتائج إلى أن:

التجربة متميزة عن الأداء: يمكن لسياسات التحكم أن تكون متميزة تجريبياً حتى عندما تنتج نتائج مهام موضوعية متطابقة.
تعزيز سهولة الاستخدام: يعزز التحكم المراعي للتباين من سهولة الاستخدام المدركة، وتحديداً "سهولة الاستخدام" والجودة العاطفية للتفاعل، وذلك على الأرجح من خلال مواءمة ديناميكيات النظام مع النماذج الحركية الداخلية للمستخدم وتوقعاته الحسية الحركية الطبيعية.
الآثار التصميمية: بالنسبة للأنظمة وثيقة الاقتران، خاصة في مجالات مثل الرعاية الصحية والتأهيل حيث يعد القبول طويل الأمد أمراً حيوياً، يجب ألا تقتصر استراتيجيات التحكم على تقليل الخطأ فحسب، بل يجب أن تحترم أيضاً البنية الإحصائية للحركة البشرية. يسمح هذا النهج بتقديم دعم قوي للمهمة مع الحفاظ على دور المستخدم النشط والذاتي في التعاون.

يخلص المؤلفون إلى أن التحكم المراعي للتباين يجب أن يُنظر إليه ليس كمجرد تحسين اختياري، بل كمبدأ تصميمي متعمد لتحقيق كل من الفعالية وجودة التفاعل المستدامة في الأنظمة التي تجمع بين الإنسان والآلة.