Human Intention Recognition in Flexible Robotized Warehouses based on Markov Decision Processes
FER（萨格勒布大学电气工程与计算机学院）
电子商务的快速增长增加了对大型仓库及其自动化的需求，因此使用机器人作为人类工人的助手成为优先事项。为了有效和安全地操作，机器人助手或监督系统应该识别人类的意图。心理理论（Theory of Mind，ToM）是对其他主体心理状态的直观概念，即，信仰和欲望，以及它们如何导致行为。在本文中，我们提出了一个基于ToM的算法，在灵活的机器人仓库的人类意图识别。我们将仓库工人置于模拟的2D环境中，其中有三个潜在目标。我们观察代理的行动，并验证他们的目标位置使用马尔可夫决策过程框架。然后，这些观察结果由所提出的隐马尔可夫模型框架进行处理，该框架估计代理的愿望。我们证明了所提出的框架预测人类仓库工人的愿望在一个直观的方式，并在最后，我们讨论了模拟结果。
2018-04-05 cs.HC cs.RO
Automation from the Worker's Perspective
Industrial Performance Center（工业性能中心）；Massachusetts Institute of Technology（麻省理工学院）
基于九国9000余名工人的调查，本文发现工人对自动化持乐观态度，认为其在安全、薪酬和自主性上利大于弊，并揭示了影响态度的个体与制度因素。
2024-09-30 cs.HC cs.RO
Natural Language Instructions for Intuitive Human Interaction with Robotic Assistants in Field Construction Work
University of Michigan（密歇根大学）；Texas A&M University（德克萨斯农工大学）
针对建筑现场人机沟通难题，本文提出由NLU、IM和RC组成的自然语言指令框架，并通过石膏墙板安装案例验证其支持直观人机协作的潜力。
2023-07-11 cs.AI cs.HC cs.RO
Detecting Worker Attention Lapses in Human-Robot Interaction: An Eye Tracking and Multimodal Sensing Study
Aston University（阿斯顿大学）；University of Southern Denmark（南丹麦大学）；Aalborg University（奥尔堡大学）
针对工业人机协作中难以识别人类注意力疏忽的问题，本文构建融合眼动、注视、视频和声音的多模态标注流程与手机装配试点数据集，并评估现有疲劳/困倦方法，揭示生产场景注意力疏忽更微妙难察。
2023-04-20 cs.HC cs.RO
Integrating Large Language Models with Multimodal Virtual Reality Interfaces to Support Collaborative Human-Robot Construction Work
University of Michigan（密歇根大学）
本文提出融合语音、控制器、ROS、BIM、游戏引擎与LLM聊天界面的多模态VR系统，并通过12名工人的石膏板安装实验验证其低负荷、高可用的人机协作价值。
2024-04-04 cs.HC cs.RO
Periscope: A Robotic Camera System to Support Remote Physical Collaboration
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）；Idiap Research Institute（Idiap研究所）
本文设计并评估 Periscope 机器人摄像系统，提出由远程帮助者、本地工人与机器人共同负责视角的共享摄像机控制方法，并通过12个二人组装配任务验证其有效性。
2023-09-25 cs.HC cs.RO
How human-robot collaboration impacts construction productivity: an agent-based multi-fidelity modeling approach
University of Michigan（密歇根大学）；Tsinghua University（清华大学）
虽然几十年来建筑机器人在研究和实践中引起了人们的关注，但人机协作（HRC）对于执行复杂的建筑任务仍然很重要。考虑到其复杂性和独特性，目前还不清楚HRC过程将如何影响施工生产力。为此，基于代理（AB）的多保真度建模方法被引入到模拟和评估如何HRC影响施工生产率。首先提出了一个高保真模型的场景与一个机器人。然后，建立一个低保真模型，提取关键参数，捕捉场景之间的内在关系。多保真度模型共同工作，以模拟复杂的场景。仿真和实验结果表明：1）该方法适用于复杂热轧过程的仿真，能够覆盖多种协作和交互模式; 2）当只有一台机器人时，补充策略的影响简单，较低的检查间隔（CI）和较高的补充限制（SL）将提高生产率。但是，当机器人数量增加时，由于机器人之间对工人有限时间的内部竞争，这种影响变得更加复杂：3）当机器人和工人数量增加时，即使人机比例保持不变，机器人的生产率也会提高; 4）在机器人和工人之间引入主动交互可以显着提高生产率，在我们的实验中高达22%，这还取决于补充策略和人机比例。总的来说，这项研究有助于一个综合的方法来模拟和评估人力资源管理对生产力的影响，以及如何优化人力资源管理，以获得更好的性能有价值的见解。
2022-03-04 cs.HC cs.RO
Design of a multimodal device to improve well-being of autistic workers interacting with collaborative robots
Scientific Institute IRCCS Eugenio Medea（IRCCS欧金尼奥·梅代亚科学研究所）；National Research Council of Italy（意大利国家研究委员会）
本文介绍面向生产线中ASD工作者的多模态设备（A）MICO，通过可定制声光反馈与五名HFA用户参与的共同设计，提升其与协作机器人交互时的可控性、包容性及幸福感。
2023-04-27 cs.HC cs.RO
When My Skill Becomes Agent Skill: How Knowledge Workers Share Their Expertise with AI Systems
National University of Singapore（新加坡国立大学）
本研究通过实验探究知识工作者分享专业知识给AI与人类的意愿差异，发现AI复用主要影响分享意愿而非内容，引发控制权与替代担忧，需政策保障员工权益。
2026-10-08 cs.HC
MetaStates: An Approach for Representing Human Workers' Psychophysiological States in the Industrial Metaverse
本文提出MetaStates概念，通过照片级写实虚拟化身多层次图形化表示工业5.0中人类工人的心理生理状态，推动工业元宇宙中以人为中心的数字仿真。
2024-06-26 cs.GR cs.HC
Assistive Robots and Reasonable Work Assignment Reduce Perceived Stigma toward Persons with Disabilities
HCAI, University of Augsburg（HCAI，乌尔姆大学）；IAM, University of Augsburg（IAM，乌尔姆大学）；AuxMe, University of Augsburg（AuxMe，乌尔姆大学）
研究通过实验发现，合理分配任务和使用辅助机器人可有效降低对残疾人的认知污名，支持在工作场景中应用协作机器人。
2026-01-30 cs.HC cs.RO
Human-Centricity in Industry 5.0: A Survey of Worker Sensing, Adaptive Operations, and Human-in-the-Loop Systems
Institute of Systems and Robotics, University of Coimbra（科英布拉大学系统机器人研究所）；Centre for Mechanical Engineering, Material and Processes, University of Coimbra（科英布拉大学机械、材料与工艺中心）
本文综述工业5.0中工人状态监测、运营管理集成和人机回环架构，指出三者集成缺失是核心挑战，并提出五方向研究议程。
2026-09-23 cs.HC cs.SY eess.SY
What Makes a Great Co-Worker in an AI-Native Workplace?
Oregon State University（俄勒冈州立大学）；Microsoft（微软）；University of California Davis（加州大学戴维斯分校）
本研究通过访谈和调查提出BACI框架，识别11种同事原型及AI工作礼仪，揭示人类与AI在职场中的协作品质期望差异，为AI和工作场所设计提供启示。
2026-09-15 cs.HC
Enhancing Flexibility and Adaptability in Conjoined Human-Robot Industrial Tasks with a Minimalist Physical Interface
Istituto Italiano di Tecnologia（意大利技术研究院）
本文提出了一种物理接口的协作移动机械手在工业制造和物流应用。拟议的工作建立在我们早期的MOCA-MAN接口，通过该接口，操作员可以物理耦合到移动机械手，以协助执行日常活动。之前的界面是基于连接到用户一只手臂上的磁性夹具进行耦合，以及基于另一只手臂上的EMG传感器的手镯，用于通过手势进行人机通信。新的界面提供了以下补充：i）类似工业的设计，允许工人轻松耦合/解耦并在本地操作移动机械手; ii）通过简单的按钮板提供简单的通信通道，允许仅用一只手控制机器人; iii）界面提供增强的本地操作能力，不会影响工人的移动性。此外，与六个人类受试者的实验评估进行分析，以增强运动和灵活性的建议接口的流动性约束，可用性和物理负载减少。
2023-01-19 cs.HC cs.RO
Rationale awareness for quality assurance in iterative human computation processes
人工计算是指将计算任务外包给人类工作者。它为解决各种问题提供了一个新的方向，并呼吁管理人类计算过程的创新方法。大多数人类计算任务采用并行方法，而迭代方法的潜力，即，让工作人员迭代地构建彼此的工作，还没有得到充分的探索。本研究调查人类工人的意识，以前的工人的理由是否以及如何影响的性能的迭代方法在头脑风暴任务和评级任务。而不是把这项工作作为一个结论性的作品，作者认为，这项研究工作只是一个新的研究重点，检查和支持众包活动中的元认知过程的开始。
2012-04-16 cs.HC cs.SI
Redefining Research Crowdsourcing: Incorporating Human Feedback with LLM-Powered Digital Twins
Princeton University（普林斯顿大学）
针对众包平台中AI使用导致数据有效性受损的问题，提出结合人类反馈与LLM数字孪生的混合框架，实验表明该方法在提升生产力和减少决策疲劳的同时保持了响应质量，有助于平衡可扩展性与真实性。
2025-05-29 cs.CL cs.CY cs.HC
Experimental Evidence That AI-Managed Workers Tolerate Lower Pay Without Demotivation
本研究通过Minecraft平台实验发现，AI管理者虽降低40%薪酬且评分较低，但因工人情绪反应平淡而未削弱其动机与公平感，这种公正表象可能掩盖隐性剥削风险。
2025-05-27 cs.CY cs.HC
Enhancing operations management through smart sensors: measuring and improving well-being, interaction and performance of logistics workers
目的-本研究的目的是进行探索性调查的材料处理活动的意大利物流中心。可穿戴传感器和其他智能工具用于在工作活动期间收集人类和环境特征。这些因素与工人的绩效和幸福感相关。设计/方法/途径人和环境因素在运营管理活动中发挥着重要作用，因为它们显著影响员工的绩效、福祉和安全。令人惊讶的是，关于这些方面对物流运作的影响的实证研究仍然非常有限。为了填补这一空白，该研究从经验上探讨了影响物流工人利用智能工具的绩效的人为和环境因素。结果-结果表明，人类的态度，互动，情绪和环境条件显着影响工人的工作表现和幸福感，但是，根据每个工人的个人特点，表现出不同的关系。实用意义-作者的研究开辟了新的途径，剖析员工和采用个性化的人力资源管理，提供管理人员能够潜在地检查和改善工人的福祉和业绩的操作系统。独创性/价值-独创性的研究来自于深入探索的人和环境因素，在工作活动中使用身体佩戴的传感器，通过记录个人，协作和环境数据的实时。据作者所知，目前的论文是第一次在现实世界的物流业务中进行了如此详细的分析。
2022-02-22 cs.HC cs.LG physics.soc-ph
Exploring Re-inforcement Learning via Human Feedback under User Heterogeneity
Centre for Machine Intelligence and Data Science, IIT Bombay（印度理工学院孟买分校机器智能与数据科学中心）；Department of Computer Science and Engineering, IIT Bombay（印度理工学院孟买分校计算机科学与工程系）
本研究通过聚类和个性化奖励模型处理用户异质性，提升强化学习模型的胜率。
2026-01-28 cs.HC
Improving Human-AI Partnerships in Child Welfare: Understanding Worker Practices, Challenges, and Desires for Algorithmic Decision Support
Carnegie Mellon University（卡内基梅隆大学）；University of Minnesota（明尼苏达大学）；University of California, Berkeley（加州大学伯克利分校）
基于人工智能的决策支持工具（ADS）越来越多地用于在高风险的社会环境中增强人类决策。随着公共部门机构开始采用ADS，我们了解工人在实践中使用这些系统的经验至关重要。在本文中，我们介绍了儿童福利机构的一系列访谈和背景调查的结果，以了解他们目前如何做出人工智能辅助的儿童虐待筛查决策。总的来说，我们观察到工人对ADS的依赖如何受到以下因素的指导：（1）他们对AI模型捕捉之外的丰富上下文信息的了解，（2）他们对ADS相对于自己的能力和局限性的信念，（3）围绕ADS使用的组织压力和激励，以及（4）算法预测与他们自己的决策目标之间不一致的意识。根据这些发现，我们讨论了支持更有效的人类-AI决策的设计意义。
2022-04-05 cs.AI cs.CY cs.HC
Communicating Through Avatars in Industry 5.0: A Focus Group Study on Human-Robot Collaboration
University of Augsburg Augsburg Germany；Centrum Wiskunde \& Informatica Amsterdam The Netherlands；Fraunhofer Institute for Telecommunications, Heinrich Hertz Institute, HHI Berlin Germany；National Research Council of Italy, Institute of Intelligent Industrial Technologies；German Research Center for Artificial Intelligence Saarbrücken Germany；University of Augsburg；Fraunhofer Institute for Telecommunications, Heinrich Hertz Institute, HHI；German Research Center for Artificial Intelligence
本研究通过德国制造企业员工的焦点小组与实验室HRC演示，考察工业5.0中化身支持人机协作的潜在角色、行为改进与部署考量。
2025-06-10 cs.HC cs.RO
From Future of Work to Future of Workers: Addressing Asymptomatic AI Harms for Dignified Human-AI Interaction
Northeastern University, Harvard University（东北大学、哈佛大学）；Microsoft（微软）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Johns Hopkins University（约翰霍普金斯大学）；University of Minnesota（明尼苏达大学）
本文提出了一种框架，旨在通过双用途机制实现尊严的人机交互，以应对人工智能导致的技能侵蚀问题。
2026-01-29 cs.AI cs.CY cs.HC
Considering Human Aspects on Strategies for Designing and Managing Distributed Human Computation
人类计算系统可以被看作是一个分布式系统，其中的处理器是人类，称为工人。这种系统利用一组连接到互联网的工人的认知能力来执行相对简单的任务，这些任务的解决方案一旦分组，就可以解决仅配备机器的系统无法令人满意地解决的问题。这类系统的例子是Amazon Mechanical Turk和Zooniverse平台。人工计算应用程序包括一组任务，每个任务都可以由一个工人执行。任务之间可能存在依赖关系。在这项研究中，我们提出了一个理论框架来分析这种类型的应用程序从分布式系统的角度来看。我们的框架是建立在三个方面，代表不同的角度，人类计算应用程序可以接近：服务质量的要求，设计和管理策略，和人的方面。通过使用这个框架，我们审查人类计算的角度来看，程序员寻求改善人类计算应用程序的设计和管理人员寻求提高人类计算基础设施在运行这样的应用程序的有效性。在这样做的时候，除了整合和组织在这个方向上所做的工作之外，我们还考虑到这样一个事实，即这些系统中工作人员的人性化方面在任务分配、依赖性管理以及故障预防和容错方面带来了新的挑战。我们将讨论它们与分布式系统和其他知识领域的关系。
2015-06-06 cs.HC
An Online Multi-Index Approach to Human Ergonomics Assessment in the Workplace
Italian Institute of Technology（意大利技术研究院）；Hanyang University（汉阳大学）
与工作有关的肌肉骨骼疾病（WMSDs）仍然是当今欧盟主要的职业安全和健康问题之一。因此，持续跟踪工人接触可能有助于其发展的因素至关重要。本文介绍了一种在线方法来监测工人的运动学和动力学量，现场提供他们的日常工作所需的物理负荷的估计。定义了一组人机工程学指标，以考虑WMSD的多个潜在贡献者，同时也重视工人的特定主题要求。为了评估所提出的框架，一个彻底的实验分析进行了12个人类受试者考虑的任务，代表典型的工作活动，在制造业。对于每项任务，人体工程学指数，更好地解释潜在的身体负荷进行了识别，统计分析后，并支持的表面肌电图（sEMG）分析的结果。还与一个公认的标准工具进行了比较，以评估工作场所的人体工程学，以突出所提出的框架带来的好处。结果表明，高潜力的拟议框架中确定的物理风险因素，因此采取预防措施。这项研究的另一个同样重要的贡献是创建了一个关于人体运动动力学测量的综合数据库，该数据库包含执行典型工业任务的健康受试者的多个感官数据。
2021-11-11 cs.HC cs.RO
What do crowd workers think about creative work?
众包平台是招募在线研究参与者和从人群中收集数据的强大而方便的手段。随着信息工作越来越多地被机器学习算法自动化，创造力$-$，即人类的发散和收敛思维能力$-$将在在线众包平台上发挥越来越重要的作用。然而，我们缺乏对人群工作者对创造性工作的看法的见解。在人机交互（HCI）的研究中，人群参与创造性工作的能力和意愿似乎在很大程度上是毋庸置疑的。深入了解工人的观点是罕见的，但很重要，因为它们可以为更高有效性的研究设计提供信息。鉴于创造力将在众包中发挥越来越重要的作用，必须了解员工如何看待创造性工作。在本文中，我们总结了我们最近在两个通用众包平台（亚马逊土耳其机器人和多产）上以工作者为中心的创造性工作研究。我们的研究阐明了这两个众包平台上的众包工作者的创造性工作。这项工作确定了几种对创造性工作持不同态度的典型工人类型，并讨论了众包平台上创造性工作的常见陷阱。
2020-02-24 cs.HC
Multi-Modal Recognition of Worker Activity for Human-Centered Intelligent Manufacturing
在以人为中心的智能制造系统中，感知和理解工人的活动是首要任务。在本文中，我们提出了一种新的多模态方法，利用不同传感器和不同模态的信息进行工人活动识别。具体地，智能臂带和视觉摄像头分别用于捕获惯性测量单元（IMU）信号和视频。对于IMU信号，我们在频域和空间域中设计了两种新的特征变换机制，以将捕获的IMU信号组装为图像，这允许使用卷积神经网络来学习最具鉴别力的特征。除了上述两种形式，我们还提出了视频数据的其他两种形式，分别在视频帧和视频剪辑级别。四种模态中的每一种都返回关于活动预测的概率分布。然后，这些概率分布被融合以输出工人活动分类结果。建立了6个活动的工人活动数据集，目前包含装配任务中的6个常见活动，抓住工具/零件，钉钉子，使用电动螺丝刀，休息手臂，转动螺丝刀，使用扳手。开发的多模态方法在此数据集上进行评估，并在留一法和对半实验中分别达到高达97%和100%的识别准确率。
2019-08-20 cs.CV cs.HC cs.LG
Why is AI not a Panacea for Data Workers? An Interview Study on Human-AI Collaboration in Data Storytelling
Hong Kong University of Science and Technology（香港科技大学）；Microsoft Research Asia（微软亚洲研究院）；Microsoft Research Montréal（微软蒙特利尔研究院）
该研究通过访谈18名产学研数据工作者，梳理数据叙事工作流的阶段任务与AI期望角色，明确不同任务的偏好协作模式及人-AI协作的正反原因，为相关研究提供方向。
2025-03-20 cs.AI cs.HC
How Robot Kinematics Influence Human Performance in Virtual Robot-to-Human Handover Tasks
Queen’s University Belfast（贝尔法斯特女王大学）
本研究通过虚拟现实探讨机器人运动学对人类在交接任务中的表现影响，发现机器人提供早期视觉信息和人类样式的轨迹能提升交互准确性。
2025-11-25 cs.HC cs.RO
A ROS-based Framework for Monitoring Human and Robot Conditions in a Human-Multi-robot Team
Purdue University（普渡大学）
本文提出了一种框架，用于监测人类和机器人的条件下，人类多机器人的互动。该框架由4个模块组成：1）人机状态监测接口，2）同步时间过滤器，3）数据特征提取接口，4）状态监测接口。该框架基于机器人操作系统（ROS），支持生理和行为传感器和设备以及机器人系统，以及自定义程序。此外，它允许同步监控条件并同时共享它们。为了验证所提出的框架，我们目前的实验结果和分析，从用户的研究，其中30个人类受试者参与和模拟机器人实验。
2020-06-06 cs.HC cs.RO
Real-Time Human-Robot Interaction for a Service Robot Based on 3D Human Activity Recognition and Human-mimicking Decision Mechanism
The State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所复杂系统管理与控制国家重点实验室）；University of Chinese Academy of Sciences（中国科学院大学）
本文描述了一个实时的【形】人-机器人交互系统的服务机器人的基础上三维人体活动识别和仿人决策机制的发展。人机交互（HRI）系统允许一个人使用自然肢体语言与服务机器人进行交互，通过Microsoft Kinect收集包含有关用户的丰富人体运动信息的3D骨骼关节序列。这些信息用于训练三层长短期记忆（LSTM）网络，用于人类动作识别。机器人基于在线LSTM网络测试理解用户意图，并通过机器人手臂或底盘的运动响应用户。此外，在此过程中还融合了类似人类的决策机制，使机器人能够根据任务优先级本能地决定是否中断当前任务。整个系统的框架建立在机器人操作系统（ROS）平台上。我们的服务机器人和用户之间的现实生活中的活动进行互动，以证明开发的HRI系统的有效性。
2019-01-11 cs.HC cs.RO
BUOCA: Budget-Optimized Crowd Worker Allocation
Boston University（波士顿大学）
由于担心众包中的人为错误，标准做法是从多个互联网工作者那里收集同一数据点的标签。我们在这里表明，由此产生的预算可以更有效地使用灵活的工人分配策略，要求更少的工人分析易于标记的数据，更多的工人分析需要额外审查的数据。我们的主要贡献是展示如何分配的工人的数量，一个任务可以计算最佳的任务功能的基础上，而不使用工人配置文件。我们的目标任务是在显微镜图像中描绘细胞，并分析推文中对2016年美国总统候选人的情绪。首先，我们提出了一个算法，计算最优化的人群工作分配（BUOCA）。接下来，我们训练一个机器学习系统（BUOCA-ML），该系统预测最大化标记准确性所需的人群工作人员的最佳数量。我们表明，计算的分配可以在保持标签准确性的同时节省大量的众包预算（高达49%）。最后，我们设想了一个人机系统，用于在超出众包可行性的范围内执行自动优化的数据分析。
2019-01-11 cs.HC cs.LG stat.ML
Task-Space Control Interface for SoftBank Humanoid Robots and its Human-Robot Interaction Applications
SoftBank Robotics Europe（软银欧洲机器人公司）；University of Montpellier–CNRS LIRMM（蒙彼利埃大学-法国国家科学研究中心蒙彼利埃信息与机器人实验室）；Beijing Advanced Innovation Center for Intelligent Robots and Systems, Beijing Institute of Technology（北京理工大学智能机器人与系统高精尖创新中心）；CNRS-AIST Joint Robotics Laboratory（法国国家科学研究中心-日本产业技术综合研究所联合机器人实验室）
我们提出了一个开源的软件接口，称为mc_naoqi，它允许执行全身任务空间二次规划为基础的控制，在mc_rtc框架，软银机器人欧洲人形机器人。我们描述了控制界面，相关的机器人描述包，机器人模块和样品全身控制器。我们演示了使用这些工具在模拟与人类模型的机器人交互。最后，我们展示并讨论了使用开发的开源工具运行的人与机器人密切接触的互动实验与真正的人类受试者从援助方案的启发。
2020-10-09 cs.HC cs.RO
CollabSkill: Evaluating Human-Agent Collaboration On Real-World Tasks
Stanford University（斯坦福大学）；Carnegie Mellon University（卡内基梅隆大学）；University of Rochester（罗切斯特大学）；Individual Researcher（独立研究者）
提出CollabSkill框架，通过配对真实工人与AI代理执行职业任务，利用贝叶斯技能评级系统量化人机贡献，揭示Claude Code排名第一且实践经验是协作技能的主要驱动力。
2026-07-28 cs.AI cs.CY cs.HC
Understanding the Uncertainty Loop of Human-Robot Interaction
LMU Munich（慕尼黑大学）；Honda Research Institute Europe（本田欧洲研究院）
最近，人机交互领域越来越受欢迎，因为机器人在日常任务中支持人类的可能性范围很广。支持机器人的一种形式是社交辅助机器人，其专门用于与人类通信，例如，作为服务机器人或私人伴侣。当它们通过人工智能理解人类时，这些机器人会在某个时候对人类的当前状态做出错误的假设，并给出意想不到的反应。在人与人的对话中，意外的反应经常发生。然而，目前还不清楚这些机器人应该如何行动，如果他们知道人类没有预料到他们的反应，甚至显示出他们的反应的不确定性摆在首位。为此，我们探讨了不同形式的潜在的不确定性，在人类机器人对话和类人如何可以，通过语言和非语言的线索，沟通这些不确定性。
2023-03-14 cs.HC cs.RO
Role of Intrinsic Motivation in User Interface Design to Enhance Worker Performance in Amazon MTurk
多年来，生物学家和科学家一直在解决海洋生物监测和鱼类资源估计的问题。目前正努力转向非侵入性方法，利用专门设计的水下机器人收集海洋种群的图像。在收集的图像上训练机器学习算法，我们现在可以估计人口。这反过来又有助于实施控制过度捕捞的条例。然而，为了训练这些模型，我们需要带注释的图像。十多年来收集的大量图像的注释是相当具有挑战性的。因此，我们求助于众包平台Amazon Mechanical Turk（MTurk）来完成图像注释任务。虽然在MTurk中完成工作速度很快，但获得的工作质量往往很差。本研究旨在从自我决定理论的角度来理解人类智力任务设计中的人的因素。应用理论中的元素，我们设计了一个HIT，以提高工人的能力和动机。在我们的实验框架内，我们发现，新的接口显着提高工人的性能的准确性。
2020-02-25 cs.HC
Human biases in body measurement estimation
身体测量，包括体重和身高，是健康的关键指标。能够可靠地视觉评估身体测量是提高对超重和肥胖的认识的一步，因此对公共卫生很重要。然而，目前还不清楚人类如何准确地从图像中评估体重和身高，以及何时以及如何失败。为了弥补这一差距，我们从网络上收集了1,682张图片，每张图片都标注了真实的体重和身高，并要求人群工作人员估计每张图片的体重和身高。我们进行了多面分析，考虑到图像的特点，以及人群工作者评估的图像，揭示了几个新的发现：（1）即使在聚合后，人群的准确性是整体较低。(2)我们发现了强有力的证据表明，收缩偏向于一个参考值，例如，轻（矮）人的体重（身高）被高估，而重（高）人的体重（身高）被低估。(3)我们使用贝叶斯模型估计工人的个人参考值，发现参考值与工人自己的身高和体重密切相关，这表明工人更善于估计与自己相似的人。(4)高个子的人的体重比矮个子的人更容易被低估;然而，知道身高只会稍微减少体重误差。(5)女性图像的准确性高于男性，但女性和男性工人在准确性方面没有差异。(6)如果对先前的猜测给出反馈，群体工作者会随着时间的推移而改进。最后，我们探索了各种偏差校正模型，以提高人群的准确性，但发现这只会带来适度的收益。总的来说，这项工作提供了重要的见解，在身体测量估计的偏见，肥胖相关的条件正在上升。
2020-10-19 cs.HC cs.SI
Agentic AI and Human-in-the-Loop Interventions: Field Experimental Evidence from Alibaba's Customer Service Operations
Zhejiang University（浙江大学）；Fudan University（复旦大学）；Dartmouth College（达特茅斯学院）；Alibaba Group Inc.（阿里巴巴集团）
通过在阿里巴巴淘宝平台上的随机现场实验，研究Agentic AI在客服运营中失败时，人类干预如何影响服务结果，发现干预效果取决于AI失败类型、干预时机和努力程度。
2026-06-01 cs.HC
LLMs as Workers in Human-Computational Algorithms? Replicating Crowdsourcing Pipelines with LLMs
Carnegie Mellon University（卡内基梅隆大学）
本文研究LLM能否复现复杂众包流水线，发现其可模拟部分人类计算能力但表现受能力认知、子任务技能与交互模态影响，并提出该平台可评估LLM任务优势及人机协作潜力。
2025-01-09 cs.CL cs.HC
Inclusive Portraits: Race-Aware Human-in-the-Loop Technology
Northeastern University（东北大学）；Universidad Nacional Autonoma de Mexico (UNAM)（墨西哥国立自治大学）
针对现有自动人脸验证及人在环方法对有色人种群体存在性能缺陷、未考虑人员个体特征的问题，提出结合种族社会理论的Inclusive Portraits种族感知人在环系统，实验证实其可显著提升有色人种相关服务性能，为公平包容的AI服务设计提供启示。
2023-11-06 cs.AI cs.HC
A Labeling Task Design for Supporting Algorithmic Needs: Facilitating Worker Diversity and Reducing AI Bias
本研究开发了一种支持不同背景工人公平参与的标注任务设计，通过分析75名标注员的数据发现，社区支持和机器反馈能促进工人投入工作并减少ML偏见，进而提出连接标注员、机器与社区的扩展human-in-the-loop方法。
2022-05-17 cs.HC
Working in Pairs: Understanding the Effects of Worker Interactions in Crowdwork
众包作为一种利用人类脑力来帮助解决计算机难以解决的问题的工具已经越来越受欢迎。以前的众包工作通常假设工作人员独立完成众包工作。在本文中，我们放松了crowdwork的独立属性，并探讨如何引入工人之间的直接，同步和自由风格的互动会影响crowdwork。特别是，在教育环境中的同伴教学的概念的动机下，我们研究了众包环境中的同伴沟通的影响。在具有对等通信的众包设置中，成对的工作者被要求通过首先独立地生成他们对任务的初始答案，然后彼此自由地讨论任务并在讨论后更新他们的答案来一起完成相同的任务。我们通过实验研究了众包平台上各种常见任务类型的众包中的同行通信的影响，包括图像标记，光学字符识别（OCR），音频转录和营养分析。我们的实验结果表明，工作质量显着提高的任务与同行的沟通相比，工人独立完成的工作。然而，以同伴沟通方式参与任务对影响员工未来在同一类型任务中的独立绩效的作用有限。
2018-10-23 cs.HC
A Review on Trust in Human-Robot Interaction
University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）
由于机器人和人机交互领域的敏捷发展，未来的机器人代理旨在扮演队友的角色，并与人类合作执行操作，而不是在特定任务中取代人类帮助人类的工具。这种与机器人合作的概念对人机交互（HRI）提出了新的挑战，这引起了HRI的一个新的研究领域，即人机信任。当人类和机器人作为合作伙伴工作时，如果人类不适当地信任机器人，工作的表现可能会降低。考虑到在不同的HRI领域观察到的人-机器人信任的影响，许多研究人员研究了人-机器人信任领域，并研究了与人-机器人信任相关的各种问题。在这项工作中，我们回顾了过去的工作，人-机器人信任的研究主题的基础上，并讨论了在这一领域的选择趋势。在此基础上，本文最后提出了一些未来研究的思路和方向。
2021-05-20 cs.CY cs.HC cs.RO
Comparison of Lexical Alignment with a Teachable Robot in Human-Robot and Human-Human-Robot Interactions
University of Pittsburgh（匹兹堡大学）
说话者在调整彼此的会话行为的过程中建立融洽关系。融洽产生的可教代理，而指导域材料已被证明是促进学习。过去的工作在教育领域的词汇对齐遭受的局限性，在这两个措施来量化对齐和对齐与代理人的互动类型进行了研究。在本文中，我们应用基于共享表达式（可能由多个单词组成）的数据驱动概念的对齐措施，并将一对一人机（H-R）交互中的对齐与协作人机（H-R）的H-R部分进行比较机器人（H-H-R）交互。我们发现，学生在H-R设置对齐可教机器人比在H-H-R设置和词汇对齐和融洽之间的关系是更复杂的比以前的理论和实证工作预测。
2022-09-23 cs.CL cs.HC cs.RO
A Simple Solution to Improving Human Supervision of Algorithms: Evidence from Smart Vending
H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（佐治亚理工学院 H. 米尔顿·斯图尔特工业与系统工程学）；Gies College of Business, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校 Gies 商学院）；Shenzhen Fengyi Technology Co., Ltd.（深圳丰毅科技有限公司）
通过限制人工干预次数，让工人优先选择高价值干预，在减少库存的同时不损害销售，为人类监督AI提供低成本可扩展方案。
2026-07-02 cs.HC
Inspo: Writing with Crowds Alongside AI
本文通过开发Inspo编辑器并开展为期一周的部署研究，发现创意写作者在AI与众包助手并存时更偏好AI，据此为未来人机协作写作系统提出设计建议。
2024-10-19 cs.HC
Herding the Crowd: Automated Planning for Crowdsourced Planning
Arizona State University（亚利桑那州立大学）
人们对众包和人工计算产生了极大的兴趣。人类计算应用的一个子类是针对涉及规划（例如旅行规划）和调度（例如会议调度）的任务的那些。这些工作大部分都出现在传统的自动规划论坛之外，而且在一开始，人们并不清楚自动规划是否在这些人类计算系统中发挥了很大的作用。然而，有趣的是，对这些系统的研究表明，即使是对人类规划者进行自动监督的原始形式，也有助于显着提高人类/人群的有效性。在本文中，我们将认为，在这些系统中使用的自动化监督可以被视为一个原始的自动化规划，并有几个更复杂的自动化规划的机会，有效地引导众包规划。然而，当前规划技术的直接适应受到人类工作者和自动规划器之间的能力不匹配的阻碍。我们确定了两个重要的挑战，需要克服这种适应规划技术可以发生之前：（i）解释人类工作者（和请求者）的输入和（ii）指导或批评的计划正在由人类工作者武装只有不完整的域和偏好模型。在本文中，我们讨论了处理这些挑战的方法，并根据他们在处理这些挑战时所做的具体选择来描述现有的人类计算系统。
2013-07-29 cs.AI cs.HC
Integrative Object and Pose to Task Detection for an Augmented-Reality-based Human Assistance System using Neural Networks
Berlin Institute of Technology（柏林工业大学）
随着自动化和数字化行业的日益发展，流程变得越来越复杂。增强现实通过增强用户对空间信息的理解和体验，在协助工作人员完成复杂任务方面显示出相当大的潜力。然而，由于缺乏既定的方法和繁琐的集成工作，AR在工业流程中的接受和集成仍然有限。同时，深度神经网络在计算机视觉任务中取得了显著的成果，在丰富增强现实应用方面具有广阔的前景。在本文中，我们提出了一个基于增强现实的人类辅助系统，以帮助工人完成复杂的手动任务，其中我们将深度神经网络用于计算机视觉任务。更具体地说，我们将增强现实与对象和动作检测器相结合，使工作流程更加直观和灵活。为了评估我们的系统在用户接受度和效率方面，我们进行了几次用户研究。我们发现，未经培训的工人完成任务的时间显著减少，出错率降低。此外，我们调查了用户的学习曲线与我们的辅助系统。
2020-08-31 cs.CV cs.HC
Referential Uncertainty in Human--AI Collaboration
Microsoft Research（微软研究院）；Harvard University（哈佛大学）
本研究通过协作拼图任务揭示人机协作中的指称不确定性，发现引出信念分布优于原始概率，且外化不确定性仅在准确定位时才能有效帮助人类伙伴。
2026-10-01 cs.AI cs.HC
From Tool to Agent: How Worker Needs Reorganize Across the Agentic Roles of Workplace AI
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本研究通过访谈揭示工作场所AI扮演助手、仲裁者、管理者三种智能体角色，工人需求随决策权与问责配置变化，提出问责-权力不对称机制，为设计工作场所AI提供启示。
2026-10-06 cs.AI cs.HC
CatAlyst: Domain-Extensible Intervention for Preventing Task Procrastination Using Large Generative Models
Carnegie Mellon University（卡内基梅隆大学）；University of Tsukuba（筑波大学）；National Institute of Advanced Industrial Science and Technology (AIST)（日本产业技术综合研究所（AIST））
CatAlyst使用生成模型来帮助员工通过影响他们的任务参与度而不是直接促进他们的任务输出来取得进步。它促使分心的工人恢复他们的任务，产生一个继续他们的工作，并提出它作为一个干预，是更上下文意识比传统的（预定的）反馈。提示可以通过吸引他们的兴趣并降低恢复的障碍来发挥作用，即使在生成的延续不足以替代他们的工作时，而最近针对工作替代的人类-人工智能合作研究依赖于稳定的高精度。这将CatAlyst从特定于域的模型调优中解放出来，并使其适用于各种任务。我们的研究涉及写作和幻灯片编辑任务，证明了CatAlyst在帮助员工快速恢复任务方面的有效性，降低了认知负荷。研究结果表明，人类与人工智能合作的一种新形式，在这种合作中，大型的生成模型是公开的，但对每个领域来说都是不完善的，可以为工人的数字福祉做出贡献。
2023-03-10 cs.AI cs.HC
ZebraLancer: Decentralized Crowdsourcing of Human Knowledge atop Open Blockchain
我们设计并实现了第一个私有和匿名的去中心化众包系统ZebraLancer，并克服了去中心化众包的两个基本挑战，即，数据泄露和身份泄露首先，我们的外包然后证明方法解决了区块链透明度和数据机密性之间的紧张关系，以保证数据众包的基本效用/公平性要求，从而确保：（i）请求者不会支付超过数据应得的费用，根据她的任务通过区块链发布时宣布的政策;（ii）如果每个工人向区块链提交数据，他确实会根据政策获得报酬;（iii）上述属性不仅在没有中央仲裁器的情况下实现，而且不会将数据泄露给开放的区块链。其次，区块链的透明性允许人们通过参与历史来推断工作者和请求者的私人信息。简单地启用匿名似乎是尝试，但将允许恶意工作者多次提交以获得奖励。ZebraLancer还通过允许匿名请求/提交而不牺牲责任来克服这个问题。其背后的想法是一种微妙的可链接性：如果一个工作者对一个任务提交了两次，任何人都可以链接这些提交，否则他将保持匿名，不受任务的影响。为了实现这种微妙的可链接性，我们提出了一种新的密码学概念，即，通用前缀匿名身份验证。我们注意到新的匿名认证方案可能是独立的兴趣。最后，我们实现了一个常见的图像注释任务的协议，并将其部署在以太坊的测试网络中。实验结果表明，我们的协议在现有的现实世界的区块链上的适用性。
2020-05-07 cs.CR cs.DC cs.HC
Fits and Starts: Enterprise Use of AutoML and the Role of Humans in the Loop
Tableau Research（Tableau研究院）；Tableau Software（Tableau软件公司）
AutoML系统可以加速日常数据科学工作，并使那些没有统计学和计算机科学专业知识的人也可以使用机器学习。这些系统在熟练数据工作人员有限的企业环境中获得了吸引力。在这项研究中，我们对来自不同规模组织的29名个人进行了采访，以描述他们目前如何在数据科学工作中使用或打算使用AutoML系统。我们的调查还捕捉了数据可视化如何与AutoML系统结合使用。我们的研究结果确定了AutoML的三种使用场景，这些场景产生了一个框架，总结了具有不同专业知识水平的数据工作者所期望的自动化水平。我们揭示了速度和人类监督之间的紧张关系，并发现数据可视化在平衡两者方面做得很差。我们的研究结果对人在环视觉分析方法的设计和实施具有影响。
2021-01-12 cs.CY cs.HC cs.LG
Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce
Stanford University（斯坦福大学）
本文提出一种审计框架，评估职业任务中人工智能代理的自动化与增强潜力，揭示人类自主性需求与技术能力的匹配情况，为AI代理发展提供关键洞察。
2026-02-01 cs.AI cs.CL cs.CY
