PILAR: Personalizing Augmented Reality Interactions with LLM-based Human-Centric and Trustworthy Explanations for Daily Use Cases
University of Missouri-Columbia（密苏里大学哥伦比亚分校）
PILAR通过基于LLM的个性化解释提升AR交互的可信度和用户体验
2025-12-19 cs.AI cs.HC
EMMI: Empathic Human-Machine Interaction for Establishing Trust in Automated Driving
EMMI项目通过构建社会情感用户模型和以用户为中心的HMI系统，在传递附加价值的同时管理用户信任，从而促进用户对自动驾驶车辆的信任、接受与使用。
2022-04-13 cs.HC
Monitoring mental workload by EEG during a game in Virtual Reality
在活动期间，了解用户的心理工作负荷（MWL）允许改善人机交互（HMI）。事实上，MWL对个人及其与环境的互动产生影响。因此，监测是一个至关重要的问题。在这种情况下，我们创建了基于N-back任务（通常用于测量MWL）的虚拟游戏Back to Pizza。在这个更有趣的变体中，用户必须执行比萨食品卡车的客户的订单。这是一个互动游戏，涉及IHM'23会议的观众，选择几个参数，如成分的数量。在此体验期间，目标是通过脑电图（EEG）实时的测量MWL，并向观众提供MWL水平的视觉反馈。通过这个演示，我们提出了一个虚拟互动游戏的概念，测量MWL在实时的。
2023-03-28 cs.HC
Assessing Human Interaction in Virtual Reality With Continually Learning Prediction Agents Based on Reinforcement Learning Algorithms: A Pilot Study
DeepMind Technologies, Ltd.（深度思维科技有限公司）；University of Alberta（阿尔伯塔大学）；Alberta Machine Intelligence Institute（阿尔伯塔机器智能研究所）
人工智能系统越来越多地涉及持续学习，以在系统训练期间没有遇到的一般情况下实现灵活性。人类与自主系统的交互已经得到了广泛的研究，但迄今为止，研究还没有充分探索系统在积极学习时发生的交互，并且可以在几分钟内显着改变其行为。在这项试点研究中，我们研究了人类和不断学习的预测代理之间的互动如何随着代理能力的发展而发展。此外，我们比较了两种不同的代理架构，以评估代理设计中的代表性选择如何影响人与代理的交互。我们开发了一个虚拟现实环境和一个基于时间的预测任务，其中来自强化学习（RL）算法的学习预测增强了人类预测。我们评估如何参与者的表现和行为在这项任务中不同的代理类型，使用定量和定性分析。我们的研究结果表明，人类对系统的信任可能会受到与代理人的早期互动的影响，这种信任反过来会影响战略行为，但试点研究的局限性排除了任何结论性的声明。我们确定信任作为一个关键特征的互动时，考虑基于RL的技术，并提出了一些建议，修改这项研究，准备进行更大规模的调查。这篇论文的视频摘要可以在https://youtu.be/oVYJdnBqTwQ上找到。
2022-04-22 cs.AI cs.HC cs.MA
Enhancing Patient Acceptance of Robotic Ultrasound through Conversational Virtual Agent and Immersive Visualizations
本文提出将大语言模型驱动的对话式虚拟代理与三种混合现实可视化结合，用于引导机器人超声操作，并通过用户研究验证其能显著提升患者的信任与接受度。
2025-02-14 cs.HC
Design and Validation of Learning Aware HMI For Learning-Enabled Increasingly Autonomous Systems
本研究提出支持学习的日益自主系统（LEIAS）架构，通过Soar认知架构融合符号逻辑与强化学习，结合多传感器可靠性评估与飞行员偏好学习，在XPlane仿真中验证了其提升人机协作与操作安全性的有效性。
2025-01-30 cs.ET cs.HC cs.SE
Effectiveness of Social Virtual Reality
社交虚拟现实领域的许多工作，包括我们自己的团队，都集中在特定社交行为的有效性上，比如目光注视、轮流、手势和其他语言和非语言暗示。我们在此基础上研究了共同存在、领导力和信任等新兴现象。这些为我们提供了关于特定社交VR系统的可用性问题的良好信息，但它们并没有为我们提供关于此类系统未来需求的更多信息。在这篇简短的论文中，我们讨论了我们如何扩大我们在社会系统方面的工作范围，走出实验室，进入更生态有效的环境，并研究使用社交VR的群体。
2021-04-12 cs.HC
Comparing State-of-the-Art and Emerging Augmented Reality Interfaces for Autonomous Vehicle-to-Pedestrian Communication
Politecnico di Torino（都灵理工大学）
为行人和其他易受伤害的道路使用者提供关于完全自动驾驶车辆状态和意图的明确指示，对于使它们共存至关重要。在过去几年中，已经提出了各种外部接口，利用不同的范例和技术，包括车载设备（如LED面板）、短程道路投影和道路基础设施接口（例如，具有嵌入式显示器的特殊沥青）。这些设计在不同的环境中进行了实验，使用实体模型，特别准备的车辆或虚拟环境，具有异构的评估指标。基于增强现实（AR）的界面也被提出，但其可用性和有效性尚未得到测试。本文旨在通过比较常见条件下最先进的接口和新设计来补充此类文献。为此，开发了一种基于沉浸式虚拟现实的仿真，再现了一个众所周知的场景，该场景由行人在非管制条件下在城市环境中过马路表示。然后进行用户研究，以调查车辆与行人的互动，利用客观和主观的指标的各个方面。尽管没有界面在所有考虑的维度上都明显突出，但其中一个AR设计在安全和信任方面取得了最先进的结果，与显示拟人特征的LED面板相比，其成本是更高的认知努力和更低的直观性。连同在各个方面的排名，从这项研究中出现的各种替代品的优点和缺点的迹象可以为该领域的下一步发展提供重要信息。
2021-02-04 cs.AI cs.GR cs.HC
ClickAIXR: On-Device Multimodal Vision-Language Interaction with Real-World Objects in Extended Reality
King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学）
ClickAIXR通过设备端视觉-语言模型与基于控制器的对象选择方法，实现对现实世界对象的精确点击交互，提升隐私和延迟方面的可信度。
2026-04-06 cs.CV cs.GR cs.HC
Assessing User Apprehensions About Mixed Reality Artifacts and Applications: The Mixed Reality Concerns (MRC) Questionnaire
本文提出MRC问卷，通过结合既有研究、专家访谈、迭代完善与验证性测试，系统测量用户对MR制品及应用在安全、隐私、社会影响和信任方面的担忧。
2024-04-05 cs.HC
In the user's eyes we find trust: Using gaze data as a predictor or trust in an artifical intelligence
本研究提出在虚拟现实环境中通过分析注视数据来预测用户对AI的信任，设计了参与者与模拟AI机械臂协作完成分类任务的探索性研究，为非侵入性信任评估提供新方法。
2023-10-25 cs.HC
Fast Adaptation with Meta-Reinforcement Learning for Trust Modelling in Human-Robot Interaction
Uppsala University（乌普萨拉大学）；KTH Royal Institute of Technology（KTH皇家理工学院）
在社会辅助机器人中，一个重要的研究领域是适应技术的发展及其对人机交互的影响。我们提出了一个基于元学习的策略梯度方法，用于解决人与机器人交互中的适应问题，并研究其作为信任建模机制的作用。通过在混合现实中与机器人建立一个逃生室场景，我们测试了我们的假设，即双向信任可以受到不同的适应算法的影响。我们发现，我们提出的模型增加了机器人的感知可信度，并影响了获得人类信任的动态。此外，参与者评价说，机器人认为他们更值得信赖的互动过程中与元学习为基础的适应相比，以前研究的统计适应模型。
2019-08-12 cs.HC cs.LG cs.RO
Multi-Task Trust Transfer for Human-Robot Interaction
National University of Singapore（新加坡国立大学）
信任对于塑造人类与他人以及与机器人的互动至关重要。本文讨论了人类对机器人能力的信任如何在多个任务之间转移。我们首先提出了两个不同的任务域的人类主体的研究：一个取机器人执行家庭任务和虚拟现实模拟的自动驾驶汽车执行驾驶和停车演习。这些发现扩展了我们对信任的理解，并通过潜在任务表示激发了新的可区分的信任演化和转移模型：（i）理性贝叶斯模型，（ii）数据驱动的神经网络模型，以及（iii）将两者结合起来的混合模型。实验表明，在预测对看不见的任务和用户的信任时，所提出的模型优于现行模型。这些结果表明，（i）任务相关的功能性信任模型更准确地捕捉人类对机器人能力的信任，以及（ii）可以很好地推断出任务之间的信任转移。后者使信任介导的机器人决策流畅的人机交互在多任务设置。
2021-08-26 cs.HC cs.RO
Augmented Reality for Maintenance Tasks with ChatGPT for Automated Text-to-Action
本研究提出一个结合增强现实、光学字符识别和GPT语言模型的系统，用于优化运营与维护任务中的用户表现，实验表明该系统能缩短任务完成时间、降低认知负荷并提升用户信任。
2023-07-07 cs.HC
A Review of Theoretical and Practical Challenges of Trusted Autonomy in Big Data
University of New South Wales（新南威尔士大学）
尽管在人工智能、软件代理和机器人技术方面取得了进步，但我们今天看到的真正可以称之为完全自主系统的东西很少。我们推测，推进自治的主要障碍是缺乏信任。可信自治是科学和工程领域，为开发可用于我们日常生活的可信自治系统（机器人和软件代理）奠定基础和基础，并可以与人类无缝，自然和有效地集成。在本文中，我们回顾了这些文献，以揭示研究人员和从业者在推进可信自治领域方面可以实现飞跃的主题。我们把重点放在“信任”的组成部分，人类和机器之间的团结技术的文件。我们对这个主题的研究围绕着三个子主题：（1）审查和定位信任建模文献，以实现可信自治;（2）审查允许机器感知人类状态的传感器技术的关键子集;（3）提炼一些关键问题，以推进可信自治领域。我们通过重新编译和重塑文献，将其转化为使可信的自治系统成为现实的形式，从而提出了概念模型。该论文提供了一个可信的Cyborg Swarm的愿景，这是我们以前的认知网络共生概念的扩展，人类和机器以和谐，无缝和协调的方式融合在一起。
2016-03-16 cs.AI cs.CY cs.HC
Feedback and Control of Dynamics and Robotics using Augmented Reality
University of New Mexico（新墨西哥大学）
人机交互（HMI）和人机交互（HRI）可以在实验室和现场辅助结构监测和结构动力学测试。在振动实验中，产生振动的一种方式是使用电动激振器。手动控制是操作员设置励磁机输入的常用方式。为了测量对这些产生的振动的结构响应，将传感器附接到结构。这些传感器可以由具有高耐力的可重复机器人部署，这需要实时控制。如果操作员和控制器之间的界面得到增强，那么操作员可以可视化实验，激励水平，并定义机器人输入，更好地了解感兴趣的区域。机器人可以为人类提供更好的帮助，如果机器人的智能飞行控制是：（1）量化并呈现给人类;（2）实时进行人类反馈数据。新界面提供的信息将用于根据他们对实时参数的理解来改变控制输入。本研究提出使用增强现实（AR）应用程序为人类提供传感器反馈和执行器和机器人的控制。该方法通过允许操作员保持对结构的认识，同时在新的实时界面的帮助下相应地调整条件来提高认知。开发了一个接口应用程序，用于绘制传感器数据以及振动生成的电压、频率和持续时间控制。在类似的框架下开发了另外两个应用程序，一个用于控制中介机器人的位置，另一个用于控制机器人运动的频率。本文提出了新的控制回路的建议模型，然后通过测量控制输入和用户效率的时间延迟，将新方法与传统方法进行比较。
2023-03-23 cs.HC cs.RO cs.SY
An Exploratory Study on AI-driven Visualisation Techniques on Decision Making in Extended Reality
本研究使用Meta Quest Pro探索了“告知”、“助推”、“推荐”和“指导”四种AI驱动的可视化技术对扩展现实中用户决策的影响，发现维护用户自主权、增强AI透明度及考虑情境对设计至关重要。
2025-07-15 cs.HC
Toward Governing Perception in Safety-Critical Mediated Reality on the Move
Ulm University（乌尔姆大学）
本文探讨了移动安全关键环境中媒介现实的感知治理问题，提出需通过可配置机制提升情境意识与信任校准，以应对动态环境中的交互挑战。
2026-03-09 cs.HC
Usable Privacy in Virtual Worlds: Design Implications for Data Collection Awareness and Control Interfaces in Virtual Reality
针对VR隐私界面照搬2D机制的问题，该研究通过与开发者共创并由隐私专家评估，提出游戏化、目的绑定同意及细粒度可控设置等设计启示。
2025-03-13 cs.HC
XR-DT: Extended Reality-Enhanced Digital Twin for Safe Motion Planning via Human-Aware Model Predictive Path Integral Control
Department of Civil, Architectural, and Environmental Engineering, The University of Texas at Austin（德克萨斯大学奥斯汀分校土木、建筑与环境工程系）；School of Architecture, The University of Texas at Austin（德克萨斯大学奥斯汀分校建筑学院）；School of Civil and Construction Engineering, Purdue University（普渡大学土木与建设工程学院）；Department of Civil and Environmental Engineering, University of Wisconsin-Madison（威斯康星大学麦迪逊分校土木与环境工程系）
XR-DT通过结合增强现实与数字孪生技术，提出HA-MPPI控制模型，实现基于人类行为预测的安全高效人机交互。
2026-03-06 cs.AI cs.HC cs.MA
A Taxonomy of Confabulations and the Perception-Reality Gap in LLM-Assisted Immersive Scene Editing
University of Cambridge（剑桥大学）
研究LLM辅助沉浸式3D场景编辑中的虚构，通过对24名非专业用户的探索性研究构建分类法，报告其普遍性与破坏性，定义感知-现实差距结构，强调负载下虚构意识饱和度，得出对未来系统减轻虚构的设计启示。
2026-07-28 cs.HC
Enhancing Human-robot Collaboration by Exploring Intuitive Augmented Reality Design Representations
Oklahoma State University（俄克拉荷马州立大学）
随着使用增强现实（AR）来增强工作环境中人类代理和机器人系统之间的交互的持续增长，机器人必须以信息丰富但直接的方式传达其意图。这提高了人类代理在工作环境中的信任感和安全感，同时也减少了任务完成时间。为此，我们讨论了一套指导方针，为人机交互（HRI）系统的AR界面的系统设计。此外，我们开发的设计框架将依赖于这些指导方针，并作为寻求进一步探索这一方向的研究人员的基础。我们开发了一系列的设计，视觉上代表机器人的计划路径和反应，我们进行了一项用户调查，涉及14名参与者进行评估。受试者被给予不同的设计表示审查和评级的基础上，他们的直观性和信息。整理的结果表明，我们的设计表示显着提高了参与者的容易理解机器人的意图超过基线的机器人的建议导航路径，计划手臂轨迹，和反应。
2023-03-09 cs.HC cs.RO
A brief chronology of virtual reality: from laboratory systems to ubiquitous spatial computing
University of Arkansas at Little Rock（阿肯色大学小石城分校）
本文通过两个互补年表梳理VR从实验室系统到无处不在的空间计算的发展，提出普及性取决于低延迟感知-行动循环及平台的可部署性、互操作性、包容性、安全性和可信赖性。
2026-10-02 cs.HC
eHMI for All -- Investigating the Effect of External Communication of Automated Vehicles on Pedestrians, Manual Drivers, and Cyclists in Virtual Reality
Institute of Media Informatics, Ulm University（乌尔姆大学媒体信息研究所）；UCL Interaction Centre（伦敦大学学院交互中心）；Eindhoven University of Technology（埃因霍温理工大学）
本文探讨自动驾驶车辆对外部通信对行人、骑行者和手动驾驶者的影响，通过虚拟现实实验评估eHMI在不同分心水平下的效果，发现统一eHMI设计能提升安全感知和信任度。
2026-01-27 cs.HC
Mixed-Reality Robot Behavior Replay: A System Implementation
University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）
随着机器人变得越来越复杂，它们必须解释自己的行为以获得信任和接受。然而，仅通过口头解释可能难以完全传达有关过去行为的信息，特别是关于由于机器人或人类的动作而不再存在的对象。人类经常试图模仿过去的动作来配合口头解释。受这种人与人之间的互动的启发，我们在这篇工具论文中描述了机器人过去行为重放系统的技术实现。具体来说，我们使用行为树来编码和分离机器人行为，使用无模式MongoDB来结构化地存储和查询底层传感器数据和关节控制消息，以供将来重播。我们的方法推广到不同类型的重放，包括操纵和导航重放，以及视觉（即，增强现实（AR））和听觉重放。此外，我们简要总结了用户研究，以进一步提供其有效性和效率的经验证据。示例代码和说明可在GitHub上获得，网址为https://github.com/umhan35/robot-behavior-replay。
2022-09-30 cs.HC cs.RO
MRPilot: Supervising and Intervening LLM-Based Multi-Robot Teams through Mixed Reality
North Carolina State University（北卡罗来纳州立大学）；Google（谷歌）；Purdue University（普渡大学）
MRPilot通过混合现实系统，在四个阶段（形成、审查、跟随、修复）监督和干预LLM驱动的多机器人团队，显著降低用户工作负载并提升情境意识、信任和控制感。
2026-10-07 cs.HC cs.RO
Breaking the Familiarity Bias: Employing Virtual Reality Environments to Enhance Team Formation and Inclusion
本研究探讨虚拟现实（VR）环境如何打破团队组建中的熟悉度偏见，通过被试间实验发现VR显著提升了新成员对现有成员的亲密度感知，为新成员融入团队提供了有效途径。
2025-02-14 cs.HC
Just stop doing everything for now!: Understanding security attacks in remote collaborative mixed reality
本文研究了远程协作混合现实中的安全攻击，通过在Microsoft HoloLens 2上实施多种攻击发现用户对沉浸式攻击识别率较低，强调了培训用户和加强安全措施的重要性。
2025-01-27 cs.HC
Vehicle-To-Pedestrian Communication Feedback Module: A Study on Increasing Legibility, Public Acceptance and Trust
车辆行人通信在开发自动驾驶车辆的自主性时是极其重要的。实现行人和自动驾驶汽车之间的双向非语言交流将提高行人在自动驾驶中的安全性。如果行人想要交流，自动驾驶汽车应该向人类提供关于它将要做什么的反馈。本文提出的用户研究调查了外部车辆显示器的几种可能选项，以实现自动驾驶车辆与人类之间的有效非语言通信。这项研究的结果将指导未来研究中反馈模块的开发，优化公众对自动驾驶汽车决策的接受和信任，同时使最广泛的潜在用户能够阅读。这项研究的结果表明，参与者更喜欢符号，而不是文字，灯光和道路投影。此外，如果自动驾驶车辆没有驾驶，参与者更喜欢将符号和文本的组合作为要显示的交互模式。此外，结果表明，文本交互模式选项“安全通过”应与显示行走的人的符号的符号交互模式选项组合使用。我们计划通过虚拟现实和在现实世界中正在进行的和未来的研究，阐述和重点选定的交互模式。
2022-11-27 cs.HC
VR-LENS: Super Learning-based Cybersickness Detection and Explainable AI-Guided Deployment in Virtual Reality
University of Missouri-Columbia（密苏里大学哥伦比亚分校）
最近的大量研究提出了几种基于机器学习（ML）和深度学习（DL）的自动化方法来检测虚拟现实（VR）中的晕网病。然而，这些检测方法被认为是计算密集型和黑箱方法。因此，这些技术对于部署在独立的VR盔装显示器（HMD）上既不可信也不实用。这项工作提出了一个可解释的基于人工智能（XAI）的框架VR-LENS，用于开发网络病检测ML模型，解释它们，减小它们的大小，并将它们部署在基于高通骁龙750 G处理器的三星A52设备中。具体来说，我们首先开发了一种新的基于超级学习的集成ML模型用于网络病检测。接下来，我们采用了事后解释方法，如SHapley加法解释（SHAP），莫里斯敏感性分析（MSA），局部可解释模型不可知解释（LIME）和部分依赖图（PDP）来解释预期的结果，并确定最主要的功能。然后，使用所识别的主导特征来重新训练超级学习者晕电病模型。我们提出的方法将眼动追踪、玩家位置和皮肤电/心率响应确定为集成传感器、游戏和生物生理数据集的最主要特征。我们还表明，提出的XAI引导的特征约简将模型训练和推理时间显著减少了1.91倍和2.15倍，同时保持了基线精度。例如，使用集成的传感器数据集，我们的简化超级学习器模型通过将晕电病分类为4类（无，低，中和高），准确率为96%，回归（FMS 1-10），均方根误差（RMSE）为0.03，表现优于最先进的作品。
2023-02-03 cs.AI cs.HC cs.LG
"Feeling that I was Collaborating with Them:" A 20-year Scoping Review of Social Virtual Reality Leveraging Collaboration
University of Notre Dame（圣母大学）
本文通过20年综述揭示社会虚拟现实如何通过增强个体体验、促进团队动态和利用VR独特特性支持远程协作，强调未来研究应探索沉浸式环境对长期协作和包容性参与的影响。
2026-01-21 cs.HC
Effect of eHMI on pedestrian road crossing behavior in shared space with Automated Vehicles-A Virtual Reality study
本研究通过虚拟现实实验考察共享空间中eHMI对行人与自动驾驶汽车互动的影响，发现eHMI影响行人注视行为但不改变过街决策，且参与者对VR体验和自动驾驶汽车表现出高信任与安全感。
2023-08-12 cs.HC
Exploring LLM-Powered Role and Action-Switching Pedagogical Agents for History Education in Virtual Reality
本研究开发了基于大语言模型的自适应角色与动作切换教学智能体虚拟现实原型，通过84人实验发现角色切换提升可信度与专业性但可能造成体验不一致，动作切换增强社会临场感、专业性和拟人化，并据此提出五项设计启示。
2025-05-05 cs.HC
Augmented Reality User Interface for Command, Control, and Supervision of Large Multi-Agent Teams
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文基于增强现实框架 AugRE，提出面向 50+ 自主智能体的大型人机团队指挥、控制与监督界面，支持视距与非视距操作且无需改造环境或额外硬件，初步验证其可提升协作、鲁棒性与信任。
2024-01-11 cs.HC cs.RO
Exploring User Acceptance and Concerns toward LLM-powered Conversational Agents in Immersive Extended Reality
研究探讨了沉浸式扩展现实中基于大语言模型的对话代理的用户接受度与担忧，发现熟悉度和性别影响接受度，位置数据敏感性最高。
2025-12-17 cs.AI cs.CY cs.HC
PaRUS: A Virtual Reality Shopping Method Focusing on Context between Products and Real Usage Scenes
针对现有VR购物无法让用户直观感知产品适配真实使用场景、导致购买预期落差的问题，提出PaRUS方法，通过语义场景重建管线还原真实使用场景并可视化产品适配效果，经用户研究验证可降低性能风险、提升购买信任与满意度。
2023-10-09 cs.HC
Feasibility of Augmented Reality-Guided Robotic Ultrasound with Cone-Beam CT Integration for Spine Procedures
Chair for Computer Aided Medical Procedures(CAMP), Technical University of Munich(TUM)（计算机辅助医疗程序系（CAMP），慕尼黑技术大学）；Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
本文提出一种基于光学透视增强现实的机器人系统，结合锥束CT与超声成像，提升脊柱手术中针具定位的准确性和效率，降低认知负荷。
2026-11-03 cs.HC cs.RO
Fly Away: Evaluating the Impact of Motion Fidelity on Optimized User Interface Design via Bayesian Optimization in Automated Urban Air Mobility Simulations
本研究通过虚拟现实空中出租车模拟实验，发现运动保真度降低用户信任、理解和接受度，但优化界面设计差异不大，建议未来UAM研究考虑运动保真度并个性化界面设计。
2025-01-24 cs.HC
Review of Explainable Decision Support and Adaptive Human-Machine Interfaces for Automation Transparency in Maritime Autonomous Surface Ships
KTH Royal Institute of Technology（KTH皇家理工学院）
本综述针对海事自主船舶自动化透明度，整合100项研究，提出自适应透明度框架，明确透明度设计策略与关键近阶段改进手段，以降低认知负荷、提升接管及时性并保障安全运行。
2026-08-26 cs.AI cs.CY cs.HC
Familiarization tours for first-time users of highly automated cars: Comparing the effects of virtual environments with different levels of interaction fidelity
航空和驾驶方面的研究强调了培训的重要性，培训是降低自动化系统中人类监督角色相关成本的有效方法。然而，只有少数研究调查了行程前熟悉之旅对高度自动化驾驶的影响。在本研究中，驾驶模拟器实验比较了四个熟悉组，控制，视频，低保真虚拟现实（VR），高保真VR的自动化信任和驾驶性能在几个关键和非关键的过渡任务的有效性。结果显示，在第一次测量时，熟悉之旅对信任、接管和递回绩效有积极的影响。只有在高保真VR中进行练习时，接管质量才会提高。在三次暴露于过渡请求之后，所有组的信任和过渡表现都收敛到高保真VR组的信任和过渡表现，这表明：a）在培训期间经历自动化故障可能会降低与高度自动化驾驶中的首次故障相关的成本; b）具有高水平交互保真度的VR游览优于其他类型的熟悉游览，以及c）未受教育和教育程度较低的驾驶员通过体验来了解自动化。这项研究所产生的知识可以帮助经销商和汽车租赁中心开发高自动化车辆的成本效益熟悉之旅。
2020-02-19 cs.HC
Digital Twin-Assisted Cooperative Driving at Non-Signalized Intersections
数字孪生作为一种与信息物理系统（CPS）和物联网（IoT）相关的新兴技术，在过去的十年里受到了越来越多的关注。从概念上讲，数字孪生是现实世界中物理实体的数字复制品，本研究利用该技术在无信号交叉口设计协同驾驶系统，允许联网车辆相互协作，无需任何完全停止即可通过交叉口。在建议的数字孪生框架内，我们开发了一个增强的先进先出（FIFO）时隙预留算法来调度交叉车辆的序列，一个共识运动控制算法来计算车辆的参考纵向运动，和一个基于模型的运动估计算法来解决通信延迟和数据包丢失。此外，增强现实（AR）人机界面（HMI）旨在为驾驶员提供与其他联网车辆合作的指导。在Unity游戏引擎中基于旧金山的真实地图对该系统进行了基于Agent的建模和仿真，仿真结果表明，与传统信号交叉口相比，该算法的出行时间和能耗分别减少了20%和23.7%。
2021-05-04 cs.HC cs.SY eess.SY
Beyond Security-by-design: Securing a compromised system
针对数字基础设施规模大、复杂度高、供应链复杂导致必然存在不可信或被入侵组件的现状，研究提出需超越设计即安全范式，转向为已遭入侵系统构建安全韧性运营的新方向。
2025-01-13 cs.CR cs.DC cs.HC
Analyze Drivers' Intervention Behavior During Autonomous Driving -- A VR-incorporated Approach
Monash University（莫纳什大学）
本研究通过融合虚拟现实与交通微观仿真构建实验平台，分析驾驶员在自动驾驶中的干预行为，并利用干预概率、事故率等指标量化风险，以提升自动驾驶控制性能和人机信任研究水平。
2023-12-04 cs.AI cs.HC
The Timing Dependencies of Trust: Speed, Accuracy, and cBCI Neuro-Decoupling in Human-AI Teams
School of Electronics, Electrical Engineering and Computer Science（电子工程与计算机科学学院）；Queen's University Belfast（贝尔法斯特女王大学）；School of Psychology（心理学学院）；Liverpool John Moores University（利物浦约翰摩尔斯大学）；School of Computer Science and Electronic Engineering（计算机科学与电子工程学院）；University of Essex（埃塞克斯大学）；Defence Science Technology Laboratory（国防科学技术实验室）
本研究通过比较快速低准确率（FLA-AI）与慢速高准确率（SA-AI）两种AI助手，利用协作脑机接口（cBCI）和自适应黎曼Oracle，揭示了AI响应时间决定了团队失败机制：快速AI引发盲目服从，慢速AI导致延迟认知冲突，并通过混合融合方法有效提升了团队性能。
2026-09-04 cs.HC cs.LG
Comparison of Data Representations and Machine Learning Architectures for User Identification on Arbitrary Motion Sequences
University of Würzburg（维尔茨堡大学）
本文比较三种运动数据编码与五种机器学习架构在XR用户识别中的表现，发现LSTM结合身体相对数据可在150秒内以100%准确率识别34名用户。
2022-11-07 cs.HC cs.LG
Breaching the Future: Understanding Human Challenges of Autonomous Systems for the Home
国内环境是自主系统设计和部署的关键领域。然而，研究表明，它们的采用已经受到各种关键问题的阻碍，包括信任，隐私和安全。本文探讨了潜在用户如何与家庭自主系统的概念，并进一步阐述了摩擦点。它有两个贡献。一种方法论，专注于使用挑衅性的乌托邦和反乌托邦的未来自主系统在家里的情况。这些被用来推动一种创新的基于研讨会的方法来突破实验，它揭示了日常生活组织中通常隐含的隐性和无声的背景预期，这些预期对未来和新兴技术的可接受性产生了强大的影响。另一个贡献是实质性的，通过参与者努力修复乌托邦和反乌托邦愿景造成的不协调或“现实脱节”，并强调需要在自治系统中建立社会和计算问责制，并实现协调和控制。
2019-03-04 cs.HC
Designing Interactions With Shared AVs in Complex Urban Mobility Scenarios
本文为步行城市空间中的共享自动驾驶交通舱设计并评估外部人机界面，结合实体工具包与虚拟现实实验，指出应整体看待 AV 服务交互中的显式信息与隐式运动线索。
2024-06-18 cs.HC
Gentlemen on the Road: Understanding How Pedestrians Interpret Yielding Behavior of Autonomous Vehicles using Machine Learning
Seoul National University（首尔大学）；Dongguk University（东国大学）
自动驾驶汽车（AV）可以通过理解行人的意图来防止碰撞。我们对39名参与者进行了虚拟现实实验，并测量了交叉时间（秒）和头部方向（偏航度）。我们操纵AV屈服行为（无屈服、慢屈服和快屈服）和AV尺寸（小、中、大）。利用机器学习方法，将行人头部朝向随时间的变化分为6类模式。结果表明，行人头部方向的变化是影响AV屈服行为以及AV的大小。参与者大部分时间都盯着前方，即使汽车靠近。当大尺寸AV不屈服（无屈服）时，参与者最常改变头部方向。在实验后的采访中，参与者报告说，屈服行为和大小影响他们的决定，交叉和感知的安全。为了让自动驾驶汽车更加安全和可靠，在设计过程中应该考虑车辆特定的因素，如尺寸和屈服行为。
2020-08-16 cs.HC cs.RO
Toward a Unified Framework for Collaborative Design of Human-AI Interaction
TU Dortmund University（多特蒙德工业大学）；Research Center Trustworthy Data Science and Security（可信数据科学与安全研究中心）
本文提出统一框架整合多模态对齐、交互导向的可解释性及用户代理，通过协作设计与增强现实仓库机器人场景验证，提升人机交互透明度与用户控制。
2026-05-01 cs.HC
Signals of AI Hallucination: Designing Hallucination-Aware Cues for Embodied Conversational Agents in VR
North Carolina State University（北卡罗来纳州立大学）；Carnegie Mellon University（卡内基梅隆大学）；Xi’an Jiaotong-Liverpool University（西交利物浦大学）
本研究通过用户实验比较VR中具身对话智能体的三种幻觉感知线索设计，发现具身线索提升信任与沉浸，文本线索解释性最强，为幻觉提示界面提供设计参考。
2026-09-25 cs.HC
