arXiv 2404.193492024-04-30cs.ROcs.AIcs.CEcs.HCcs.LG

工业机器人中的人机交互：面向可解释AI机器人程序优化的用户界面设计与实证评估

Human-AI Interaction in Industrial Robotics: Design and Empirical Evaluation of a User Interface for Explainable AI-Based Robot Program Optimization

ArtiMinds Robotics（阿蒂迈因兹机器人公司）；Institute for Artificial Intelligence, University of Bremen（不来梅大学人工智能研究所）；wbk Institute of Production Science, Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院生产科学wbk研究所）；Institute for Learning and Innovation in Networks, Karlsruhe University of Applied Sciences（卡尔斯鲁厄应用科学大学网络学习与创新研究所）

Benjamin Alt, Johannes Zahn, Claudius Kienle, Julia Dvorak, Marvin May, Darko Katic, Rainer Jäkel, Tobias Kopp, Michael Beetz, Gisela Lanza

备注：: 6 pages, 4 figures, accepted at the 2024 CIRP International Conference on Manufacturing Systems (CMS)

阅读 PDF

arXiv 页面 ↗HTML 原文 ↗

AI总结：

本文针对深度学习在制造领域落地受限的问题，设计并评估了一种面向机器人程序优化的解释用户界面（XUI），通过差异化用户体验和可解释AI功能支持新手与专家用户，并给出了初步调查结果及后续大规模研究方案。

摘要：

尽管深度学习的最新进展已展现出其变革性潜力，但其在真实制造应用中的采用仍然有限。我们为一个最先进的基于深度学习的机器人程序优化器提出了一个解释用户界面（XUI），该界面根据用户的技能水平为新手用户和专家用户提供不同的用户体验，并提供可解释AI（XAI）功能，以促进深度学习方法在真实应用中的应用。为了评估XUI对任务绩效、用户满意度和认知负荷的影响，我们展示了一项初步用户调查的结果，并提出了一项大规模后续研究的研究设计。

英文摘要：

While recent advances in deep learning have demonstrated its transformative potential, its adoption for real-world manufacturing applications remains limited. We present an Explanation User Interface (XUI) for a state-of-the-art deep learning-based robot program optimizer which provides both naive and expert users with different user experiences depending on their skill level, as well as Explainable AI (XAI) features to facilitate the application of deep learning methods in real-world applications. To evaluate the impact of the XUI on task performance, user satisfaction and cognitive load, we present the results of a preliminary user survey and propose a study design for a large-scale follow-up study.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。