人機交互的發(fā)展現(xiàn)狀、不足及展望,機械工程論文

人機交互的發(fā)展現(xiàn)在狀況、不足及展望,機械工程論文內(nèi)容摘要：隨著人工智能技術(shù)的進步,語音交互、圖像辨別、手勢辨別、腦機接口等技術(shù)都得到了進一步的發(fā)展和運用,但在實際運用經(jīng)過中,無論是傳統(tǒng)交互方式還是創(chuàng)新型交互方式,本身都存在缺陷,這在一定程度上影響了使用者的體驗。文章將通過對人機交互技術(shù)的發(fā)展和現(xiàn)在狀況的梳理總結(jié),分析現(xiàn)有人機交互的缺乏,探尋求索人機交互的將來趨勢。本文關(guān)鍵詞語：人機交互;發(fā)展趨勢;物聯(lián)網(wǎng);多模態(tài)交互;人機交互技術(shù)是研究系統(tǒng)和用戶間交互關(guān)系的技術(shù),系統(tǒng)不僅只是計算機界面和程序軟件,可以以是各種各樣的機械、設(shè)備。1如今,隨著人工智能的高速發(fā)展,人機交互技術(shù)開場和人工智能技術(shù)進行深度結(jié)合,并且人機交互從原始的圖形界面交互逐步向語音交互、手勢辨別、腦機接口等方向拓展。盡管這些交互方式的運用使人們的生活愈加便捷,但上述的每一種交互方式都存在著不可忽視的缺點。因而,當(dāng)科學(xué)技術(shù)進一步提升后,探尋求索愈加人性化與智能化的人機交互方式成為人機交互發(fā)展的新主題。一、人機交互的發(fā)展人機交互的起點是文字界面(TUI)交互。計算機最早只存在于實驗室,主機龐大,售價極高,使用計算機的也都是經(jīng)過專業(yè)培養(yǎng)的專家。文字界面是計算機系統(tǒng)最初的樣子,它由成千上萬條命令行組成。這些命令行就是人機對話的第一步,用戶通過輸入命令行來完成與計算機的溝通。但它的缺點特別明顯,首先,交互步驟冗長煩瑣,想與計算機溝通需要輸入復(fù)雜的命令,用戶在這里經(jīng)過中極易產(chǎn)生疲憊感;其次,學(xué)習(xí)成本高,除了少數(shù)經(jīng)過專業(yè)學(xué)習(xí)的計算機專家外,大部分的普通人根本無法順暢地輸入和讀懂這些命令行。為了降低學(xué)習(xí)成本、簡化交互流程,讓大多數(shù)人也能順暢地使用計算機,人機交互迎來了它的第一次革命圖形界面(GUI)交互。隨后,人機交相互繼進入手勢辨別、語音交互、腦機接口階段。(一)圖形界面交互1973年,在施樂研究中心(XeroxPaloAltoResearchCenter)誕生的第一個圖形界面,為之后圖形界面交互的發(fā)展指明了方向。當(dāng)時施樂研究中心的研究員提出桌面比喻和紙張范本的概念,將電腦想象成一個桌面,各種功能程序就是桌面上的工具,程序文檔則是一張張摸不著的電子紙張。2自此圖形界面交互開場走入非計算機技術(shù)背景用戶的工作生活中,它通過運用實際物品轉(zhuǎn)化為虛擬物品的概念,幫助用戶把抽象的計算機程序具象化,使計算機操作愈加符合人們在物理世界中的心智模型。比方,當(dāng)我們想把多個文檔歸為一類時,我們就把它們?nèi)客蟿拥揭粋€文件夾里;當(dāng)我們想把某一個文件刪除時,我們能夠把文件拖動至回收站,就好似我們在物理世界里將垃圾丟進垃圾桶一樣。在施樂圖形界面研究的啟發(fā)下,比爾蓋茨推出了Windows操作系統(tǒng),并獲得宏大成功。(二)手勢辨別手勢辨別是一種融合先進感悟技術(shù)與計算機形式辨別技術(shù)的新型人機自然交互技術(shù),3計算機通過辨別人類手勢,讓用戶在無需直接接觸設(shè)備的情況下,就能夠使用簡單的手勢與設(shè)備進行交互。手勢辨別是人機交互的第二次革命,人們開場嘗試脫離傳統(tǒng)的鍵盤、鼠標(biāo)和觸屏,探尋求索并搭建人機溝通的其他橋梁。最初的手勢交互是利用定位在手部和肘部的設(shè)備,來檢測手部運動的軌跡,進而到達交互的效果。3這種依靠外部設(shè)備進行交互的方式方法固然準(zhǔn)確性高,但在很大程度上阻礙了人們手勢活動的自然表示出,因而基于計算機視覺的手勢辨別和交互技術(shù)應(yīng)運而生。在這里基礎(chǔ)上,人的姿態(tài)、步態(tài)、行為、面部表情辨別技術(shù)也開場高速發(fā)展,由此,人機交互的設(shè)計理念開場從以系統(tǒng)為核心轉(zhuǎn)變?yōu)橐杂脩魹楹诵摹?三)語音交互語音交互是人機交互發(fā)展中的又一革命性交互方式。最早的語音交互是交互式語音應(yīng)答(InteractionVoiceResponse)系統(tǒng),用戶通過撥號的方式與之進行交互,它無法回答用戶的問題,只能向用戶播報提早錄制好的聲音,比方語音信箱、提示、撥號提示等。但這種交互式語音應(yīng)答系統(tǒng)應(yīng)用范圍窄、交互效率低且交互形式生硬呆板,并無法解決用戶生活中的很多實際問題。由于交互式語音應(yīng)答系統(tǒng)的眾多弊端,且無法解決用戶的很多實際問題,于是像Siri、Google、小愛同學(xué)這類集成了視覺和語音交互的移動端APP,以及AmazonEcho、小度這類純語音交互的智能產(chǎn)品誕生了。這些結(jié)合AI技術(shù)的語音交互產(chǎn)品一經(jīng)問世就廣受好評,產(chǎn)品的誕生和成功不僅證明了語音交互的價值,愈加速了語音交互技術(shù)的發(fā)展。隨著AI技術(shù)的提升,語音辨別和語義理解技術(shù)也逐步成熟完善,語音交互類人化成為可能。交互形式也從一問一答的機械對話進階至更為流暢的多輪對話,甚至還能辨別多國語言和地區(qū)方言,這使得語音交互在靈敏度和體驗感上產(chǎn)生了質(zhì)的飛躍。(四)腦機接口腦機接口(Brain-ComputerInterface,BCI),是牽涉神經(jīng)科學(xué)、認(rèn)知科學(xué)、計算機科學(xué)、控制及信息科學(xué)技術(shù)、醫(yī)學(xué)等多學(xué)科,多領(lǐng)域的人機接口方式,是在大腦與外部環(huán)境之間建立的神經(jīng)信息溝通與控制通道。單向腦機接口允許大腦和計算機或接受腦之間單向傳輸信號,雙向腦機接口允許大腦和外部設(shè)備間進行信號的雙向交換。4腦機接口技術(shù)能夠準(zhǔn)確、快速地采集、辨別出人腦在各種思想活動下的腦信號,并利用這些信號來控制外部設(shè)備。5專家最初關(guān)注和研究腦機接口的目的,是為了恢復(fù)損傷的聽覺、視覺和肢體運動能力。研究員嘗試通過手術(shù),用侵入式的人工BCI裝置替換掉原有功能受損的神經(jīng)或感覺器官,人工耳蝸、人工視網(wǎng)膜、智能假肢等都在這里背景下產(chǎn)生,并成功幫助人們實現(xiàn)了感覺功能恢復(fù)和運動功能恢復(fù)的目的。侵入式BCI裝置的成功,使人們開場關(guān)注起半侵入式和非侵入式BCI裝置的研究,BCI裝置也不再局限于醫(yī)學(xué)領(lǐng)域的應(yīng)用。不需要做任何額外的動作,只需要想一想信息就能動輸入,身邊的物品就能移動到想象的地方,智能的假肢使用起來不僅和真實的肢體無異,甚至還能產(chǎn)生觸覺反應(yīng)。這些無數(shù)科幻電影中都出現(xiàn)過的情節(jié),和曾經(jīng)看似瘋狂的想象,都已通過腦機接口技術(shù)成為現(xiàn)實,盡管如今腦機接口技術(shù)還不成熟,但它的出現(xiàn)無不是在告訴我們,將來已來。二、人機交互的現(xiàn)在狀況和缺乏就當(dāng)前來看,人機交互已經(jīng)獲得了宏大進展,但主流的人機交互方式還是以圖形界面交互為主,語音交互為輔。盡管手勢辨別、腦機接口在應(yīng)用層面已經(jīng)有了很大的進步,但由于技術(shù)應(yīng)用范圍、設(shè)備品類、社會法規(guī)和倫理道德等問題,發(fā)展受限。而位于主流的圖形界面交互和語音交互也都有著無法忽視的短板。圖形界面交互是人們接受度最高、使用率最高、使用時間最長的交互方式,但它仍然存在一些不可忽視的缺陷:一,過度依靠人的視覺系統(tǒng)和設(shè)備的電子屏幕,如今智能設(shè)備的一大特點就是可視化,不管是產(chǎn)品本身搭載屏幕還是連接智能手機,都是在進行產(chǎn)品的數(shù)據(jù)可視化,過量的屏幕和數(shù)據(jù)可視化導(dǎo)致信息過載;二,交互方式單一,容易產(chǎn)生疲憊感,絕大多數(shù)圖形界面交互是通過鼠標(biāo)點擊、鍵盤輸入和觸控的方式來完成交互操作,觸控看似是解放了鼠標(biāo)和鍵盤,但其在本質(zhì)上,和鼠標(biāo)點擊沒有任何區(qū)別,單一的重復(fù)操作會給用戶帶來疲憊感;三,對視力、肢體(主要是手部)有損傷的人來講操作困難,由于其對電子屏幕的依靠性和交互方式的單一,用戶不管是輸入信息還是讀取信息都易遭到屏幕尺寸的影響;四,在AR或VR等沉浸式虛擬環(huán)境中應(yīng)用性差,十分是當(dāng)用戶與用戶在沉浸式虛擬環(huán)境中溝通時,以虛擬鍵盤為主的文字輸入會降低用戶的體驗感。語音交互作為同時解放人類手眼的信息交互方式,一經(jīng)問世就廣受好評,從搭載語音交互的智能音箱在市場上的熾熱情況,就能反映出人們對于愈加類人、智能化和自然式交互方式的渴望。語音交互的優(yōu)勢在于交互方式趨近自然、用戶學(xué)習(xí)成本低、可應(yīng)用范圍廣,但語音交互也存在無法忽視的缺點:一,線性的輸入方式,讓它無法持續(xù)輸入和輸出較多內(nèi)容;二,信息辨別易受環(huán)境影響,當(dāng)用戶處于比擬嘈雜的環(huán)境時辨別受阻,且無法區(qū)分出不同用戶的聲音,容易導(dǎo)致辨別出錯。手勢辨別能使用戶在不佩戴任何額外設(shè)備的情況下,和系統(tǒng)進行自然的交互,它和語音交互被視為駕駛情境下的最佳交互組合,在沉浸式虛擬空間場景中,更是擁有宏大的用戶價值,但其一直無法成為主流交互方式有下面幾個原因:一,人的雙手在沒有外物支撐的情況下,很難長時間停留在空中;二,人類在長期自然社交中產(chǎn)生的習(xí)慣,讓大多數(shù)用戶無法在室外、辦公、多人同居的家庭環(huán)境等公共場合中大量使用手勢交互;三,缺少觸覺反應(yīng)體驗,用戶在使用手機觸屏?xí)r能清楚地感悟手指碰到了屏幕,但在手勢辨別中,無法觸碰的虛擬鍵盤會導(dǎo)致用戶缺少觸覺情感體驗,進而降低用戶體驗。盡管腦機接口已經(jīng)在感悟恢復(fù)、運動恢復(fù)、感覺擴增、機器人替身等方面獲得了不錯進展并得到了廣泛的使用,但由于腦機接口設(shè)備的低普及率和用戶接受度的未知,我們距離腦機接口真正走入群眾的日常生活還有一段不短的距離。三、人機交互的將來發(fā)展趨勢從人機交互的發(fā)展歷史、現(xiàn)在狀況和缺乏來看,沒有哪一種人機交互方式是完美的,也沒有哪一種人機交互方式是無用的。將來人機交互發(fā)展真正需要關(guān)注的問題也不再是某一種新穎詳細的單一交互方式的實現(xiàn),而是在以用戶為核心的理念上,多種交互方式相結(jié)合,智能產(chǎn)品智能物聯(lián)后構(gòu)成多模態(tài)交互網(wǎng)絡(luò),通過情景感悟,讓機主動服務(wù)于人。將多種交互方式相結(jié)合,每種交互方式都能在發(fā)揮長處的同時補足短板,如今由于太多電子屏幕、單一交互方式、重復(fù)信息推送等產(chǎn)生的低效率、高成本和信息過載的問題也將會得到解決。所謂模態(tài)(modality)即是感官,多模態(tài)即多種感官融合。多模態(tài)交互,即通過視覺、聽覺、觸覺、嗅覺、動作行為、環(huán)境等多種方式進行人機交互,5充分模擬人與人之間的交互方式。情景感悟具有實時性、自動化、個性化的特點,能自動獲取用戶情境的相關(guān)信息,根據(jù)獲取的信息,經(jīng)算法推理分析出用戶需求,適時給用戶提供個性化服務(wù)。6基于物聯(lián)網(wǎng)的多模態(tài)交互網(wǎng)絡(luò)能夠充分整合利用現(xiàn)有的多種交互方式,在感悟用戶情景的同時,用類人的自然交互方式主動適應(yīng)用戶需求,進而讓諸多來源不一的智能產(chǎn)品像一個人或者一臺機器一樣為用戶服務(wù)。在十幾年前,由于設(shè)備計算速度慢、互聯(lián)網(wǎng)技術(shù)不發(fā)達、民眾持有設(shè)備量少(主要是電腦和智能手機)等原因,物聯(lián)網(wǎng)被以為是一個偽命題。但在十幾年后AI技術(shù)和互聯(lián)網(wǎng)技術(shù)迅猛發(fā)展的今天,智能產(chǎn)品已經(jīng)進入千家萬戶,萬物智聯(lián)即將成為可能。基于此,人機交互的將來發(fā)展趨勢將具有下面幾個特點:1.整體性,多個智能設(shè)備共同構(gòu)成智能設(shè)備生態(tài)系統(tǒng),像一臺設(shè)備一樣為用戶服務(wù)。處于物聯(lián)網(wǎng)的多模態(tài)交互網(wǎng)絡(luò)下的智能設(shè)備將不再各自為政,各設(shè)備間分享信息,無需進行重復(fù)的信息計算和信息推送,類似于當(dāng)一個用戶的微信賬號同時在多個設(shè)備上登錄時,一條消息推送重復(fù)提示屢次的情況將不再發(fā)生。這不僅僅是多設(shè)備化身為不同零件集成單設(shè)備的統(tǒng)一性,還是服務(wù)流程的統(tǒng)一性?；谖锫?lián)網(wǎng)的多模態(tài)交互網(wǎng)絡(luò)的整體性提高了人機交互的資源利用率、工作效率和系統(tǒng)安全性。2.可感悟性,可感悟用戶情景,最小化用戶輸入,主動適應(yīng)用戶需求。情景感悟是一種通過傳感器獲取關(guān)于用戶所處環(huán)境的相關(guān)信息,進而進一步了解用戶行為動機的技術(shù)。它是用戶體驗設(shè)計中的一個重要方向主動服務(wù)設(shè)計。7智能設(shè)備能夠根據(jù)對用戶的情景感悟,進行自適應(yīng)改變,進而做出最合理的交互決策和信息推送。情景感悟能夠把外界游離的用戶、情境環(huán)境、系統(tǒng)狀態(tài)有效地集成在一起。6完好的智能設(shè)備生態(tài)系統(tǒng)主動感悟用戶生活情景,并根據(jù)生活情景自動做出判定,例如,當(dāng)用戶啟動汽車時,與物聯(lián)網(wǎng)多模態(tài)交互網(wǎng)絡(luò)相連的車載系統(tǒng),能夠根據(jù)用戶預(yù)先制定好的出行計劃或日常生活習(xí)慣,自動顯示出目的地導(dǎo)航。通過主動的情景感悟來預(yù)測用戶意圖,進而使用戶輸入最小化。3.去屏幕化或超屏幕化,將屏幕融于環(huán)境。好的交互應(yīng)該是自然且無形的,最好的用戶界面就是沒有界面。過去,設(shè)計者和研究員們反復(fù)強調(diào)要將看不見的數(shù)據(jù)和服務(wù)可視化,這導(dǎo)致很多設(shè)計者對于可視化產(chǎn)生了盲從心理,忽視了產(chǎn)品本身的角色定位,甚至連智能燈泡和智能熱水器都配備了可交互的電子屏幕和專屬APP,但這些屏幕不僅沒有提高用戶的效率,反而產(chǎn)生了大量的重復(fù)操作。與此相反,AirPods藍牙耳機去掉了幾乎所有的屏幕操作環(huán)節(jié),將用戶放取耳機的行為與手機藍牙的自動斷連相關(guān)聯(lián),看似細微的修改,實則重新定義了行業(yè)標(biāo)準(zhǔn)。這無疑是在講明去屏幕化、超屏幕化、將屏幕融于環(huán)境的設(shè)計思維正在逐步興起。四、總結(jié)文字界面交互打通了人類與計算機溝通的橋梁,圖形界面交互讓計算機成為普通人也能使用的日常工具,手勢辨別讓人們脫離了輸入工具的束縛,語音交互同時解放了雙手和眼睛,腦機接口使不可能成為可能。將來人機交互將延續(xù)現(xiàn)有交互的特點,在這里之上結(jié)合AI技術(shù),將多種不同的交互方式相結(jié)合,在物聯(lián)網(wǎng)的基礎(chǔ)上,實現(xiàn)萬物智聯(lián),讓數(shù)量諸多但各自為政的智能產(chǎn)品在智聯(lián)的方式下,構(gòu)成多模態(tài)交互網(wǎng)絡(luò),通過情景感悟主動地與用戶進行交互。注釋1[1]張文藝.基于ROS的人機語音交互系統(tǒng)設(shè)計與實現(xiàn)[D].西安電子科技大學(xué),2021.2[2]DT.HighSpeedCoolingTest[M].EngineeringStandard.2021.3[3][4]趙小川,趙繼鵬,范炳遠,郝麗麗.手勢辨別技術(shù)研究綜述與應(yīng)用瞻望[A].中國高科技產(chǎn)業(yè)化研究會智能信息處理產(chǎn)業(yè)化分會、中國高科技產(chǎn)業(yè)化研究會信號處理專家委員會.第十一屆全國信號和智能信息處理與應(yīng)用學(xué)術(shù)會議?？痆C]