Aug, 2023

利用结构方程模型评估建筑 AI 动力协作机器人的信任

PDF
TL;DR此研究旨在调查影响建筑工程专业人员对人工智能驱动的协作机器人的信任的关键技术和心理因素。通过对 600 名建筑行业从业人员进行全国范围的调查，研究深入了解了促进该技术有效采用、培养和培训熟练劳动力的未来机会，结合结构方程模型分析表明，安全和可靠性对于建筑领域中采用人工智能协作机器人至关重要。担心因使用协作机器人而被取代可以对受影响的工人的心理健康产生重大影响。对涉及协作机器人工作的较低错误率、安全措施和从作业现场收集的数据的安全性显著影响可靠性，而协作机器人内部运作的透明性有助于准确性、稳健性、安全性、隐私性和通信，并产生更高水平的自动化，所有这些因素均被证明是信任的贡献因素。本研究的研究结果提供了建筑工程专业人员对建筑领域采用协作机器人的认知和经验的重要见解，并帮助项目团队确定与公司目标和工人福利相一致的采用方法。
collaborative robotsartificial intelligencetrustsafety and reliabilityadoption
发现论文，激发创造
  • 建筑智能协作机器人的信任：定性实证分析

    通过分析与建筑从业者的半结构化访谈结果，本文探讨了建筑中值得信赖的人工智能驱动协作机器人的特征。研究发现，尽管先前作者们进行的系统文献综述识别出的关键信任因素得到了领域专家和最终用户的共鸣，但财务考虑因素和由于变革带来的不确定性也是阻碍人们信任建筑中的人工智能驱动协作机器人的重要障碍。

    Aug, 2023

  • 人工智能信任与建筑工程研究的意义：文献分析

    本文综合分析了 490 篇学术文献，旨在探讨基于 AEC 行业项目工作流程、工人和工作特性与社会技术概念相互作用的 AI 信任。从文献中确定了人们对 AI 的信任的主要组成部分，并在 AEC 项目类型、过程和技术中进行了表征。

    Mar, 2022

  • 基于动态结构方程模型的人工智能与人类合作中的信任动态预测

    通过使用动态结构方程模型，我们提出了一种用于预测信任动态的模型。在无人机模拟任务中，我们以 90% 的准确率预测了过度 / 不足的信任，而在自动驾驶任务中，我们以 99% 的准确率进行了预测。这些结果表明我们的方法优于传统方法，包括自回归模型。

    Jul, 2024

  • 建筑工程产业中的人工智能与机器人伦理

    人工智能和机器人技术研究在建筑工程领域崛起，以提高项目效率和效果，但其采用需要对伦理问题进行思考，如职业安全、隐私等，本研究系统综述了过去五年中 AEC 社区中与 AI 和机器人技术伦理相关的研究并从中筛选出九个重要的伦理问题以及十三个与伦理主题相关的研究方向，最后提出了当前的挑战、知识空白和七个未来研究方向，既引起了更多相关利益相关方的关注，也提供了实现安全高效的即刻行动。

    Oct, 2023

  • 人机信任问卷的元分析：趋同性度量与新兴模型

    这篇论文通过对多个经过验证和可靠的人机互动信任测量工具的元分析，提出了一个一致的人机互动信任模型，为今后的研究提供了一个综合框架，并确定了信任测量的边界和需进一步调查的领域。

    Mar, 2023

  • 基于偏最小二乘结构方程模型的教育中聊天机器人用户感知分析

    研究通过部分最小二乘结构方程模型（PLS-SEM）调查了学生对教育中聊天机器人采纳的决定因素，考虑了技术准备指数（TRI）和技术接受模型（TAM），结果表明乐观和创新与感知易用性和感知有用性呈正相关，而不适和不安全对感知易用性有负面影响，只有不安全对感知有用性有负面影响。这些发现为未来的技术设计者提供了洞察力，阐明了影响教育环境中聊天机器人采纳和利用的关键用户行为因素。

    Nov, 2023

  • 人工智能与人类交互中的信任：模型、度量和方法的概览

    这篇论文针对机器人、虚拟角色、智能车辆、决策帮助等各类 AI 系统中关于信任模型的应用和测量方法缺乏标准化的现状进行了概述和分析。作者提出了一些系统的研究目标，并为当前文献汇总的优点和缺点提供了解决方案和研究议程。

    Apr, 2022

  • 人机协作对组装任务成功率、时间完成、错误率、负荷、手势和接受度的影响

    该研究调查了协作机器人在简单和复杂组装任务中的合作效果，发现与协作机器人一起工作可以减少任务复杂度对工作负荷和产出质量的影响，但会增加完成任务所需的时间和手势数量，研究结果可帮助开发人员和利益相关者了解在生产链中引入协作机器人的影响。

    May, 2024

  • 人机交互期间的信任和认知负荷

    本文探究了人类认知负荷、信任和拟人化在人机交互中的关系，并通过 “匹配配对” 游戏测试了人们对 Husky 和 Pepper 两款机器人在高认知负荷下的信任度和其物理拟人形态以及错误率对人们的评价和行为的影响。研究发现人们的认知负荷越高，信任度越低；在高错误率下，人们对 Pepper 的信任更高，在错误率低的情况下，人们对 Husky 的信任更高，表明物理拟人化和变量错误率对人机交互有一定的影响。

    Sep, 2019

  • 使用定制化的影响：关于人机协作中信任感知的研究

    通过一项针对 17 名参与者的纵向研究，我们调查了信任、人机协作、辅助机器人个性化以及定制化因素之间的关系，我们的研究结果表明，辅助机器人的定制化程度与信任感和舒适度感知之间呈正相关，这对于设计可信赖和定制化机器人的辅助机器人设计过程具有重要意义。

    Oct, 2023