Effects of Swarm Size Variability on Operator Workload

Titolo: Effetti della Variabilità della Dimensione dello Sciame sul Carico di Lavoro dell'Operatore

Autori: William Hunt, Aleksandra Landowska, Horia A. Maior, Sarvapali D. Ramchurn, Mohammad Soorati.
Contesto: Preprint accettato per AHFE 2026.

1. Il Problema

L'integrazione di sciami robotici decentralizzati in ambienti critici richiede spesso la supervisione umana per il controllo di alto livello, il giudizio etico e la gestione delle eccezioni. Una sfida fondamentale nella Interazione Uomo-Sciame (HSI) è bilanciare il carico di lavoro dell'operatore: deve essere sufficientemente impegnato per mantenere la vigilanza, ma non sovraccaricato al punto di degradare le prestazioni.

Il problema centrale affrontato è la dinamicità della dimensione dello sciame. In scenari reali, il numero di robot può variare bruscamente a causa di guasti, ridistribuzione o nuovi ingressi in missione. La letteratura esistente si è concentrata spesso su sciami di dimensioni fisse, trascurando come le fluttuazioni improvvise influenzino il carico cognitivo. In particolare, il concetto di "storia del carico di lavoro" (workload history) suggerisce che gli effetti di un periodo di alta domanda possano persistere anche quando la domanda diminuisce (effetto di isteresi), ma questo fenomeno non è stato sufficientemente indagato nel contesto delle transizioni di dimensione dello sciame.

2. Metodologia

Gli autori hanno condotto due studi sperimentali (totale N=34 partecipanti) utilizzando il simulatore HARIS (Human And Robot Interactive Swarm).

• Compito Sperimentale: Gli operatori dovevano monitorare uno sciame di droni che si muoveva su una mappa utilizzando l'algoritmo boids. Durante il volo, un drone scompariva casualmente e l'utente doveva riportare il colore del drone scomparso. Questo compito misura la capacità di tracciare entità multiple senza modellare guasti reali (che potrebbero essere segnalati automaticamente).
• Metriche:
  • Oggettiva: Accuratezza nel riportare il colore del drone scomparso.
  • Soggettiva: Carico di lavoro mentale percepito (scala 1-7) dopo ogni episodio, integrato con questionari post-task (NASA-TLX, PANAS-X per emozioni come sorpresa e affaticamento).
• Design Sperimentale:
  • Gli episodi erano definiti come $E(P, N)$, dove $P$ è la dimensione dello sciame nell'episodio precedente e $N$ quella corrente. La variazione è $\Delta = N - P$.
  • Studio 1 (Variazioni Piccole): Ha testato transizioni di $\Delta \in \{0, -2, +2\}$ con dimensioni dello sciame da 4 a 20 droni. Obiettivo: verificare l'effetto "residuo" e l'"inserimento graduale" (H1 e H2).
  • Studio 2 (Variazioni Grandi): Ha testato transizioni più ampie ($\Delta \in \{0, \pm4, \dots, \pm16\}$) con dimensioni da 8 a 24 droni. Obiettivo: verificare l'effetto "shock" o di reset cognitivo (H3).

3. Contributi Chiave e Ipotesi

Il paper propone e testa tre ipotesi specifiche basate sulla direzione e magnitudine del cambiamento:

1. H1 (Residuo di Carico): Dopo un periodo di alta domanda (sciame grande), la riduzione della dimensione dello sciame non riporta immediatamente il carico di lavoro ai livelli di base; il carico rimane elevato ("residuo").
2. H2 (Inserimento Graduale): Per una data dimensione finale, un aumento graduale dello sciame genera un carico di lavoro inferiore rispetto a un aumento improvviso.
3. H3 (Effetto Shock/Reset): Cambiamenti di dimensione sufficientemente grandi sovrascrivono gli effetti di H1 e H2, inducendo un "reset cognitivo" che annulla la storia precedente del carico di lavoro.

4. Risultati

• Prestazioni Oggettive (Accuratezza):

  • Le piccole variazioni di dimensione ($\Delta = \pm 2$) hanno avuto un impatto minimo sull'accuratezza.
  • Le grandi variazioni hanno mostrato un impatto: gli aumenti improvvisi hanno ridotto l'accuratezza, mentre le diminuzioni improvvise l'hanno leggermente migliorata, suggerendo che le grandi variazioni alterano le strategie cognitive.

• Carico di Lavoro Soggettivo:

  • Conferma di H1 (Residuo): Le diminuzioni di dimensione dello sciame hanno spesso lasciato il carico di lavoro percepito a livelli più alti rispetto alla baseline, anche se il numero di droni era tornato basso. Gli utenti hanno riferito un "rilassamento immediato" ma un "sforco cognitivo residuo".
  • Conferma di H2 (Inserimento Graduale): Gli aumenti graduali ($\Delta = +2$) hanno mantenuto o ridotto il carico di lavoro rispetto alla baseline, indicando che gli operatori riescono ad adattarsi meglio agli incrementi lenti.
  • Conferma di H3 (Reset da Shock): Quando le variazioni sono state grandi ($\Delta \ge 8$), gli effetti direzionali di H1 e H2 sono collassati. Le differenze di carico di lavoro tra aumenti e diminuzioni sono diventate trascurabili. I partecipanti hanno riferito sorpresa, disorientamento e panico, indicando che un cambiamento drastico forza un reset mentale, invalidando la storia precedente del carico di lavoro.

• Risposte Qualitative: I partecipanti hanno descritto le diminuzioni come un sollievo ma non come un ritorno completo allo stato di calma, mentre gli aumenti improvvisi sono stati percepiti come stressanti e disorientanti.

5. Significato e Implicazioni

I risultati offrono linee guida pratiche per la progettazione di sistemi HSI robusti:

1. Gestione delle Transizioni: I progettisti di sciami dovrebbero evitare riduzioni brusche della dimensione dello sciame se l'obiettivo è ridurre immediatamente il carico cognitivo dell'operatore, poiché il "residuo" di carico persiste.
2. Strategie di Adattamento: È preferibile "inserire gradualmente" gli operatori in sciami più grandi (piccoli incrementi) per mantenere il carico gestibile.
3. Utilizzo dello Shock: Paradossalmente, cambiamenti molto grandi possono essere utilizzati strategicamente per "resettare" lo stato cognitivo dell'operatore, superando l'accumulo di stress o residui di carico derivanti da periodi precedenti di alta intensità.
4. Progettazione Dinamica: I sistemi di controllo dovrebbero considerare non solo la dimensione attuale dello sciame, ma anche la storia recente delle variazioni per prevedere e mitigare il carico di lavoro.

In conclusione, il lavoro dimostra che la relazione tra dimensione dello sciame e carico di lavoro non è lineare o statica, ma dipende criticamente dalla direzione e dalla magnitudine del cambiamento, con implicazioni fondamentali per la sicurezza e l'efficienza delle operazioni uomo-robot dinamiche.