Resumo Técnico: O Papel da Variabilidade na Experiência de Interação Humano-Máquina

Declaração do Problema

A interação física humano-máquina (pHMI) está se deslocando cada vez mais para uma colaboração fortemente integrada, onde humanos e máquinas trocam forças físicas para alcançar tarefas compartilhadas. Embora as estratégias convencionais de controle compartilhado e assistência háptica otimizem efetivamente o desempenho objetivo da tarefa, elas dependem tipicamente de modelos humanos determinísticos que ignoram a natureza estocástica do comportamento motor humano. Especificamente, esses sistemas frequentemente suprimem a variabilidade natural do movimento, tratando-a como ruído a ser minimizado em vez de uma característica estruturada do controle motor.

O artigo argumenta que restringir sistematicamente a variabilidade irrelevante para a tarefa pode alterar as contingências sensoriomotoras através das quais os usuários geram previsões e atribuem resultados às ações. Esse descompasso entre o modelo interno do controlador e as estatísticas naturais de movimento do usuário pode degradar o senso de agência do usuário, a usabilidade percebida e a experiência geral de interação, mesmo que o desempenho da tarefa permaneça alto. Apesar do papel estabelecido da variabilidade estruturada no controle motor, seu impacto específico na experiência de interação humana em pHMI fortemente acoplada ainda não foi explorado empiricamente.

Metodologia

Desenho Experimental

O estudo empregou um desenho intra-sujeito com 41 participantes realizando uma tarefa háptica de ponto-a-ponto fisicamente acoplada. A variável independente foi o modo de interação, consistindo em três condições:

1. noSup (Sem Suporte): Uma condição de linha de base sem automação, capturando padrões naturais de movimento humano.
2. lowVar (Restrição de Variabilidade): Um modo de controlador convencional projetado para minimizar a variabilidade geral do movimento.
3. highVar (Respeito à Variabilidade): Um novo modo de Controle Ótimo que Respeita a Variabilidade Humana (HVROC), projetado para preservar os padrões naturais de variabilidade do movimento humano em dimensões irrelevantes para a tarefa, mantendo a precisão da tarefa.

Implementação do Sistema

• Hardware: Um braço robótico KUKA LBR iiwa 14 R820 equipado com um sensor de força-torque serviu como a interface háptica.
• Simulação: O robô foi virtualmente acoplado a um sistema de massa pontual linear simulado (dinâmica de massa-amortecedor) em um espaço de trabalho 2D.
• Lógica de Controle: A automação aplicou entradas de força aditivas baseadas em uma lei de controle de feedback de estado.
  • O modo lowVar utilizou uma solução HVROC estacionária com ganhos de feedback elevados ($L_p = L_d = 150$) para amortecer agressivamente os desvios.
  • O modo highVar empregou escalonamento de ganho dependente do erro de posição. Utilizou ganhos iniciais menores ($L_p=75, L_d=20$) para permitir a variabilidade natural durante a fase de movimento, aumentando os ganhos linearmente apenas conforme o sistema se aproximava do alvo ($e < 1/3 e_{start}$) para garantir uma desaceleração estável.
• Tarefa: Os participantes realizaram 82 movimentos em quatro direções, equilibrando velocidade e precisão. A automação foi ativada apenas quando a força aplicada pelo humano excedia 5 N para isolar os efeitos da estratégia de controle dos atrasos no tempo de reação.

Medidas

• Métricas Comportamentais:
  • Variabilidade Irrelevante para a Tarefa: Medida como a variância posicional máxima ($V_{max}^y$) ortogonal à direção do movimento durante a fase de meio de movimento.
  • Desempenho da Tarefa: Medido via tempo de assentamento, erro de extremidade e variância de extremidade na região do alvo.
• Métricas de Experiência de Interação:
  • Senso de Agência: Controle percebido sobre ações e resultados.
  • Autoeficácia: Crença na própria capacidade de realizar a tarefa.
  • Flow (Fluxo): Estado de engajamento focado.
  • Usabilidade: Avaliada via questionário QUEAD, incluindo subescalas de utilidade percebida, facilidade de uso e resposta emocional.

Principais Contribuições

1. Investigação Empírica da Estrutura da Variabilidade: O estudo fornece a primeira evidência empírica sobre a relação causal entre a variabilidade de movimento irrelevante para a tarefa e a experiência de interação humana em pHMI fortemente acoplada.
2. Implementação do HVROC: O artigo demonstra a viabilidade de um controlador ótimo que respeita a variabilidade, que manipula explicitamente a variabilidade irrelevante para a tarefa sem comprometer o desempenho relevante para a tarefa.
3. Desacoplamento de Desempenho e Experiência: A pesquisa estabelece que as estratégias de controle podem ser funcionalmente equivalentes em termos de sucesso objetivo da tarefa, mas experencialmente distintas.

Resultados

Desempenho da Tarefa

• Manipulação da Variabilidade: O modo highVar preservou com sucesso significativamente mais variabilidade irrelevante para a tarefa ($M=0.65 \times 10^{-4} m^2$) comparado ao modo lowVar ($M=0.33 \times 10^{-4} m^2$), embora ambos tenham sido menores que a linha de base noSup ($M=1.11 \times 10^{-4} m^2$).
• Sucesso da Tarefa: Ambos os modos assistidos (lowVar e highVar) superaram significativamente a linha de base noSup em tempo de assentamento, erro de extremidade e variância de extremidade.
• Equivalência: Crucialmente, não houve diferenças significativas no desempenho relevante para a tarefa (tempo de assentamento, erro de extremidade ou variância de extremidade) entre os modos highVar e lowVar. Isso confirma que preservar os padrões naturais de variabilidade não ocorre às custas do desempenho objetivo da tarefa.

Experiência de Interação Humana

• Experiência Geral: Ambos os modos assistidos produziram classificações significativamente mais altas para senso de agência, autoeficácia, flow e usabilidade em comparação com a linha de base noSup.
• Impacto da Variabilidade: Embora a agência, a autoeficácia e o flow não tenham diferido significativamente entre os dois modos assistidos, a usabilidade foi significativamente maior na condição highVar em comparação com a lowVar.
• Análise de Subescalas: A melhoria na usabilidade para o modo highVar foi impulsionada principalmente por classificações significativamente mais altas em facilidade de uso percebida e uma tendência positiva na resposta emocional. A utilidade percebida, que correlacionou-se com o sucesso da tarefa, não mostrou diferença significativa entre os modos assistidos.

Significância e Alegações

O artigo alega que preservar a variabilidade de movimento estruturada e irrelevante para a tarefa é um princípio de design crítico para pHMI centrada no humano. Os achados sugerem que:

• A Experiência é Distinta do Desempenho: Políticas de controle podem ser experencialmente distintas mesmo quando produzem resultados objetivos de tarefa idênticos.
• Melhoria da Usabilidade: O controle que respeita a variabilidade melhora a usabilidade percebida, especificamente a "facilidade de uso" e a qualidade emocional da interação, provavelmente ao alinhar a dinâmica do sistema com os modelos motores internos e as previsões sensoriomotoras naturais do usuário.
• Implicações de Design: Para sistemas fortemente acoplados, especialmente em domínios como saúde e reabilitação, onde a aceitação a longo prazo é vital, as estratégias de controle não devem apenas minimizar o erro, mas devem respeitar a estrutura estatística do movimento humano. Esta abordagem permite um suporte forte à tarefa enquanto preserva o papel ativo e autoatribuído do usuário na colaboração.

Os autores concluem que o controle que respeita a variabilidade deve ser considerado não como um refinamento opcional, mas como um princípio de design deliberado para alcançar tanto a eficácia quanto a qualidade de interação sustentada em sistemas humano-máquina.