人体工程学人机协作行业:一个回顾
玛尔塔洛伦西尼
玛尔塔Lagomarsino
卢卡Fortini
热天戈拉米
乔Ajoudani- 1人机接口和物理交互实验室,意大利技术研究所、意大利热那亚
- 2神经工程学和医学机器人实验室,电子、信息和生物工程、米兰理工大学、米兰、意大利
在目前的工业环境,评估和改善工人的健康条件的重要性被广泛认可。身体和心理社会因素危及底层的舒适和幸福,增加疾病和伤害的发生,影响他们的生活质量。人机交互和协作框架可能的解决方案中脱颖而出,以防止和减少工作场所的风险因素。日益先进的控制策略和规划方案,协同机器人有潜力培养富有成果的和有效的协调在混合任务的执行,通过满足人类同行的需求和限制。raybet雷竞技下载地址为此,彻底和全面评价一个人的人体工程学,即直接影响人类心理上的负载状态,必须考虑。综述的文章中,我们概述现有的工效学评估工具以及可用的监控技术推动和适应一个协作机器人的行为。初步尝试的人体工程学人机合作框架下,讨论最先进的限制和挑战。未来趋势,并承诺终于突出主题,旨在促进安全、健康、平等在全球工作场所。
1介绍
众所周知现在工人,在世界范围内,暴露于职业危险因素可能对他们的身体和心理健康的负面影响。活动,如沉重的材料处理,重复动作和长时间的尴尬的坐着对身体负担工人们的身体,导致所谓的肌肉骨骼疾患(MSDs) (Pascual和纳,2008年)。尽管工业世界的广泛的预防和监管机构,这些仍是最普遍的与工作相关的健康问题在欧盟(EU)。根据欧洲安全与健康工作机构(EU-OSHA),大约四分之三的五个工人受到默沙东公司,其中背痛和上肢疼痛是最常见的(德角et al ., 2019)。最近的研究也强调了考虑压力和心理社会因素的重要性以及上述物理恳请提出一个全面的方法。事实上,第六届欧洲工况调查结果(以)声称25%的欧洲工人报告说他们的职业有负面影响心理和情绪状态(Kubicek et al ., 2019)。总体而言,除了有害影响的工人们来说,身体和精神健康问题可能会导致令人印象深刻的企业和社会成本,残疾的最常见的原因之一,病假和提前退休(Hassard et al ., 2014;詹姆斯et al ., 2018)。
根据这一观点,那就至关重要的企业,工会和监管当局以客观的方式解决的危险因素可能导致在员工中身体和精神痛苦。人体工程学研究和干预措施可以分为“microergonomics”和“macroergonomics。macroergonomics“领域集中于设计全面工作系统和确定有效的技术和人员子系统与外部要求(亨德里克和Kleiner, 2002)。在本文中,我们关注工人的各个维度,即分析的工作姿势,工作效率、工作范围内的生理学和生物力学”microergonomics。“值得说明的是,后勤和组织方面,如资源配置、转变/计划,和工作环境的轮廓,不深入研究文本,但是他们的影响“microergonomics”提出了讨论。
彻底的工效学评价构建一个更安全的基础,健康和工作场所不太容易受伤,导致整体提高运营商的幸福。的关键目标是识别风险因素,并量化,这可以作为一个有价值的工具培训的劳动力。提高工效学条件和工人的意识,研究人员调查了几种可能的解决方案,可以在以下macro-areas分组:1)舒适,可调节的有效设计工作站(Shikdar Hadhrami, 2007;德尔里奥维拉斯et al ., 2013;Peruzzini et al ., 2019;Bongiovanni et al ., 2022),2)发展的直观反馈接口,风险和危害警告(Villani et al ., 2018 a;金正日et al ., 2018 b,2021年,一个),3)创建先进的人机共享工作站和人体工学合作富有成果的混合环境(金正日et al ., 2018 a;El Makrini et al ., 2019)。在概念上所示图1,后者是本文的关键主题。
图1。概念的说明一个工人完成一个工业任务(一)和(C)一个协作机器人解决方案。这篇文章的结构也描述的模式(B)高亮显示(蓝色),我们关注的研究主题。
最后一个场景中属于一般术语人机交互(HRI),可能是在尖端工业研究的主题之一。本文重点是人机协作(HRC)而不是HRI以来这两项持有不同的含义。相互作用决定了任何一种行动,包括另一个人类或机器人,他们并不一定从中获利。另一方面,人类和机器人合作共享任务形成一个团队。一个团队的定义是具有互补技能的一小部分合作伙伴致力于一个共同的目的,性能目标和方法。同样适用于机器人团队的合作伙伴是人类和机器人,致力于通过合作达到共同的目标。协作机器人的出现(CoBots)扩大了应用程序可能性吸引科研界的关注。CoBots确实可以支持人类同行在执行物理(例如,减轻工人工作在处理高负载的一部分(Brosque et al ., 2020))、认知(例如,想象替代行为减少运营商的精神压力(Krupke et al ., 2018))和危险(例如,处理化学物质(刘和王出版社,2020年)操作。这种关系积极影响生产力、灵活性和创造新的就业机会,而不是取代工人。前面提到的研究证明CoBots之间的联系,改善工作条件;然而,将人体工程学标准的开发和实现这些技术远远不是众所周知的。在这篇文章中,作者感兴趣的了解研究,包括人体工程学要求HRC系统,特别重视身体和认知工效学之间的分割,并展示一个离线或在线应用程序。
集成多个评论文章的人为因素和人类工程学在工程和制造过程设计(Kolus et al ., 2018;太阳et al ., 2019),一般来说,行业内4.0 (Kadir也et al ., 2019;Sgarbossa et al ., 2020)提出了。工业的成功实现的关键社会技术因素4.0被检查索尼和奈克(2019,2020)。另一方面,存在多个评论文章在HRC框架在工业环境中,但主要侧重于技术发展和确定其内在安全风险最小化。一个详尽的审查在HRC工业环境提供的Villani et al。(2018),与特定的关注物理问题(安全)和认知(intuitiveness-of-use)交互。事实上,第一,安全标准是回忆讨论允许人类和机器人代理之间的交互水平的基础上,介绍了措施。其次,他们检查用户界面,在认知负荷,要求传统的带领和离线编程仍然是最常用的接口在工业实践中,尽管更直观的方法,比如多模式交互的崛起和扩展现实技术(例如,虚拟和增强现实)。他们的结论的审查清单商业化的解决方案,及其应用在工业设置来改善传统的系统的效率。不过,人权组织的角色和影响设置在人体工程学的提高,尤其是物理人体工程学,不是本文中讨论。另一个有趣的调查提出了Kumar et al。(2020)。作者抽象地归类HRC设置为三个主要方面,1)意识:来自人类操作员级别使用传感器感知信息,机器人工作空间,2)情报:开发的算法来实现机器人的行动和行为,和3)合规:处理管理人类的期望和代理之间的通信。特别是安全、trust-in-automation和生产力因素全面讨论了引入智能类别涵盖这些方面的最新研究。然而,在这里,人类工程学方面没有研究。可用的安全机制来保证CoBot系统在制造业也在讨论Bi et al。(2021);Zacharaki et al。(2020)。此外,卡斯特罗et al。(2021)人权理事会的研究大多集中在当前的趋势和未来方向。他们声称更好的交互,认知集成和有效度量的存在是未来发展的基本必需品。集中在人体工程学的研究趋势Gualtieri et al。(2021 b);然而,相应的工效学评估和监控工具,及其对人权委员会设置的影响在这个调查并不突出。此外,提出了一个有趣的调查伯格和陆(2020)介绍了可用的用户界面为HRC但没有研究固有的工效学因素。总之,丢失是审查论文,解决人类工效学原则的包容和集成专门为人机协作解决方案。
试图填补的空白在前面提到的调查中,在本文中,我们主要专注于工作,明确解决人为因素和人类工程学在HRC的解决方案。人权组织在所有的可能性,我们特别考虑这些框架的CoBot与人类交互来完成一个共同的任务,通过在线调整1其行为解决对应的要求。这样,遥操作系统和外骨骼没有提及。本文的最重要的目标是提供一个复习要点人权理事会来改善当前最先进的在线人类工效学在工业领域,并强调最重要的和有前途的研究主题确定物理和认知工效学。
实现的过程中,我们进行审查是这样的。我们进行了一次自动搜索文件包含所选的关键词(这将被指定为每个小标题/部分)在谷歌学术搜索和斯高帕斯,因为它们是最知名的和使用的数据库的目标受众。现有的工效学评估工具研究从先前的报告。相反,人体工程学HRC论文选择从2011年到现在的纸(2022年8月)做准备。然后我们精心检查的列表可能相关的论文和排除那些没有显式地使用/研究感兴趣的主题或那些只提到的文献综述部分介绍。当多个文件提交相同/相似的想法,我们选择了一个第一次出版,或进化思想的情况下,我们选择了《华尔街日报》的版本。异常的一些初步会议出版物的工作,后来进化和发表在期刊为目的的历史叙述。此外,我们使用一些更一般的人体工程学和HRC论文建立的背景下,介绍基本概念,支持我们的语句。
剩下的纸是组织如下。第二节概述现有的工效学评估工具评估身体和认知负荷。可用技术监测人类国家提出在第三节,这可能有利于使自动化工效学评价。在第四节,人体工学的初步尝试HRC框架说明在第五节,最先进的限制和挑战进行了讨论。最后,未来趋势是强调,本文的结论是在第六节。
2在工业环境工效学评估
由于惊人的统计工人的健康状况在工业部门,各种方法和方法被开发,在过去的几十年,评估暴露于工作场所的风险。化学和环境代理不介绍,但是我们解决那些长期或短期因素诱发危险工作负载的操作符。本节概述的研究工具来评估人体工程学和人为因素是发达国家和介绍,并对它们进行分类的类风险因素他们寻求解决。具体来说,解决物理工作负载的方法见2.1节,研究社会心理/组织因素,定义为“认知”工作负载,2.2节中概述。专注的文学分析评估工人工效学在工业生产中,我们结合条件与工作负载(例如,“物理”,“认知”,“工作量”,“压力”,“努力”“工作场所”)与分析有关的术语(例如,“人为因素”,“人体工程学”,“评估”“评价”),我们丢弃的研究致力于办公室工作或服务行业。事实上,大多数的文献集中在工厂工作。早些时候报告(Burdorf 1992;van der发现Frings-Dresen, 1998)物理工作负载评估的传统方法归类为以下三组:
•主观的判断:从工人或self-questionnaires叙事从专家访谈;
•系统的观察:在工作场所或收集的现场录像;
•直接测量:在工作场所或在现场进行模拟实验室。
主观测量调查可以通过测试对象或完成面试官却总是反映前者的观点。与系统的观察,我们是指程序(例如,工作表填写,参数收集),由专家和都是基于简单的观察研究的主题。最近,许多方法已经使自动化属于这一类利用传感器技术的好处,但是他们的使用并不是必需的。相反,有关的技术直接测量不可避免地意味着传感器系统由于需要准确性和在线测量的可用性。工效学评估可以从收集的数据中直接提取或估计通过集成在特别的模型。相同的分类可能应用,采用认知负荷测量。一些特殊功能的趋势,以有序的方式,其中三组不同的表示图2。
图2。概述之间的权衡不同类别的物理和认知的评估工作负载的方法。厚度的变化表示特性的趋势,而颜色反映了正面(蓝色)或负面(红色)的影响。
2.1物理工作负载
在物理工作负载(最早的研究评估温克尔Mathiassen, 1994;Westgaard温克尔,1996),作者引入了“机械接触”这一术语来表示所有的因素与人体生物力学部队生成当执行工作任务。在本文中,我们接受相同的概念,因此不考虑完整的物理工作环境(照明、噪声、热环境等)。采用提出的一般模型van der发现和Frings-Dresen (1998)工作情况,描述了如何诱发反应和工人健康的影响,我们可以区分两种类型的物理接触:内部和外部风险。外照射是指工作环境和实际的工作方法,即采用姿势、动作执行,施加力量,工人利用来执行一个活动与人体测量特征。相应的时刻和部队在人体内部暴露。
在上面定义的组和说明图3,主观的判断和系统的观察决心解决外照射。绝大多数的工具使用在当前工业场景来评估工人工效学依赖这样的两类,覆盖在部分2.1.1,2.1.2。他们收集的方法基础上提出了一些综合评审(李,扣1999;大卫,2005;马拉,2006;安德烈亚斯·约翰逊,2018),人体工程学工具列出,分类和比较。另一方面,直接测量可以用来估计内部暴露。2.1.3节处理相应的类别。
图3。概述的工效学评价方法解决物理和认知负荷,适用于工业设置。
2.1.1主观的判断
评估物理工作负载,身体不适,或工作压力,可以直接查询工人,调查包括生理的和心理的因素。这些方法采取身体地图的形式(Corlett和主教,1976年)、等级量表(Shackel et al ., 1969;Borg et al ., 1985),清单(特鲁里街和Coury, 1982;考克斯和麦凯,1985年;Keyserling et al ., 1992),和调查问卷或访谈(Kuorinka et al ., 1987;Bigos et al ., 1991;迪金森et al ., 1992;Wiktorin et al ., 1993),其中国家航空和宇宙航行管理任务负荷指数(NASA-TLX) (哈特和Staveland, 1988年;哈特,2006)是最常用的。几乎所有的策略主观的判断发展到现在的基础是建立在上述最早的尝试。传统上,数据收集使用书面意思,但最近的创新包括基于web的设施。该方法基于主观的判断的好处是直接使用(不需要特定的专业知识),适用于范围广泛的工作情况和适合测量大量的主题以相对低的成本。不过,他们很容易受到很多影响,多项研究表明,他们有很低的有效性(Burdorf拉恩说道,1991年)和可靠性(Wiktorin et al ., 1993)的要求,符合人体工程学的干预措施。
2.1.2系统的观察
几种方法开发在过去十年里系统地记录工作场所暴露在被观察者检查和存储在临时表。这是通常被称为“手写”2方法。他们中的大多数已经构思的基础上,两个最相关的和普遍规范旨在建立工效学建议工人,即。国际标准化组织(ISO) 11228年和1005年欧洲标准(EN)。工人的姿势和动作可以仔细评估的指标:Posturegram (Priel 1974)、姿态定位(Corlett et al ., 1979),ovako工作姿势分析系统(owa) (Karhu et al ., 1977),快速上肢评估(RULA) (麦卡和Corlett, 1993),hand-arm-movement分析(HAMA) (Christmansson 1994),人体工程学的方法分配识别危害(PLIBEL) (Kemmlert 1995),快速暴露检查(QEC) (李,扣1998),整个身体迅速评估(REBA) (Hignett和麦卡2000)。这些技术可以使用相对廉价的贯彻在不同工作情况下没有阻碍的工人,但他们仅适用,而静态或重复的工作。
除了姿势外,其他工作负载等因素/力量,重复,时间运动,振动,和他们的互动/组合必须被考虑。类似于这些技术进行态势分析,肌肉疲劳分析(MFA) (罗杰斯,2004提出了),每个部位都是扩展成四个努力水平根据其工作位置,但也努力的持续时间和频率。考虑搬运装载,国家职业安全与健康研究所”(NIOSH)方程(水域et al ., 1993)介绍了定义提出负载重量限制解除由人类运营商考虑性别、部队对脊柱结构,在努力与消耗的热量。华盛顿工业安全与健康法案》(哦)起重计算器基于NIOSH当时发达。机械接触可以评估对强度(或程度),重复和持续时间即使应变指数(SI) (史蒂文·摩尔和加戈,1995),其修订后的版本(加戈et al ., 2017),美国政府工业会议Hygienists-threshold限制值(ACGIH-TLV) (工作者,1981),评估技术在上半身体位加载基于联合运动不适和最大占用时间(班图语)(凯和Karwowski, 2001),手臂风险评估方法(伤害)(Douwes Kraker, 2009)和人工操作评估图表(MAC) (Monnington et al ., 2003)。斯努克与Ciriello (1991)提出了一个详细的过程评估施加强制执行推和拉的活动,考虑到重量/处理对象的距离、频率和持续时间的行动。最后,一些方法关注的是执行的操作在高频率较低的负荷,甚至考虑恢复时间像职业重复动作(OCRA),一个简洁的指数评估暴露于重复动作上肢(Occhipinti 1998)。虽然这些指标更详尽和从业人员和研究人员的广泛的采用,他们缺乏准确性和可靠性和主观的变化可以影响他们的结果。此外,他们不提供一致的和整体的人体工程学风险由于每个指数聚焦于一个特定的人工材料的活动。针对这一点,工效学评估表》(EAWS)方法(肖布et al ., 2013了提供一个独特的和全面的符合人体工程学的分析。EAWS由不同部分(姿势和动作,动作力量,手工材料处理,和上肢,分别),其结果可以集成到最后得分。同样,与复合人体工程学风险评估(CERA) (萨博和Dobo, 2018)技术,一个统一的评估后可以获得一个单独的测定不同的人体工程学风险,也基于工作场所的历史。最后,介绍了关键指标方法(金)解决人工操作操作(KIM-MHO) (Klussmann et al ., 2017)、起重、持有和携带推拉(KIM-LHC)和(KIM-PP) (斯坦伯格,2012)。
然而,所有这些技术必须逐项受雇于训练有素的专家为离线过程在收集观察/录音,这是费时并没有提供直接的结果。出于这个原因,一些试图使自动化的完成上述工作表执行一个在线工效学评价。具体来说,RULA (谢赫et al ., 2003;射线和Teizer, 2012;Vignais et al ., 2013;Haggag et al ., 2013;Puthenveetil et al ., 2015;Plantard et al ., 2017)、REBA (Busch et al ., 2017;Van de Perre et al ., 2018)和EAWS (Bortolini et al ., 2018;不适et al ., 2019)被认为是分别,并结合人体运动数据在虚拟和真实的环境中。然而,主要的局限性仍然站的观测方法,即。,the dynamics of the tasks are considered to a limited extent (e.g., interaction forces are considered constant).
2.1.3直接测量
解决人类的身体内部暴露,直接测量收集人体通过合适的传感器系统通常是结合人体或多或少的复杂模型。几个算法提出了估算肌肉紧张和关节负荷使用人体肌肉骨骼系统的详细模型。其中最著名的是开源软件背后的算法“OpenSim”(Delp et al ., 2007)。这个平台就可以创建动态模拟相结合的运动现成的模型描述的元素的解剖学和生理学neuromusculoskeletal系统和关节运动的力学。相似的模拟软件提供的功能是“任何人”(Damsgaard et al ., 2006),它能够分析人类的肌肉骨骼结构刚体系统。因此,标准的多体动力学方法(即。,inverse kinematics and inverse dynamics) can be applied but integrating into the model a reasonable representation of the muscle geometry and the recruitment pattern of the muscles. An analogous package is virtual interactive musculoskeletal system (VIMS) (曹国伟et al ., 2007)。除了这些平台的发展背后的大规模研究,也有一些轻微的作品,肌肉模型介绍了内部暴露(占Bhargava et al ., 2004;福斯特,2004;中村et al ., 2005;Fraysse et al ., 2009;米勒德et al ., 2013)。所有上述平台和方法占联合反应(力和力矩)利用逆动力学运动数据,然后优化技术来计算肌肉紧张。然而,由于驱动冗余(肌肉的数量大于自由度(自由度)的数量的系统),所需的运动的关节力矩可以通过无限的肌肉的激活模式。另一个缺点是,复杂的肌肉骨骼模型的底层需要很多参数的识别(Ayusawa et al ., 2014)。或者,他们可以通过人体测量标准和表(赫尔曼,2007;2009年冬天,因此它们不是科目的。
另一种解决方案是直接测量肌肉激活使用肌电图(EMG)和利用实证模型(山,1938;斯特罗伊夫,1999)将这种活化转化为肌肉紧张(布坎南et al ., 2004)。第一个尝试使用一个EMG-based技术监测下腰身体接触和累计压缩了Mientjes et al。(1999)。之后,实验记录EMG信号已经被用在一些研究直接驱动的模拟上(Manal et al ., 2002;村et al ., 2005;Nikooyan et al ., 2012;加索尔et al ., 2012)和低(劳埃德和Besier, 2003;Kumar et al ., 2012;Manal et al ., 2012;Sartori et al ., 2012;迈耶et al ., 2017)肢体肌肉骨骼模型。全身肌肉紧张估计通过光学动作捕捉和肌电图测量是丰富的视觉反馈接口(井et al ., 2010)。然而,即使EMG-based方法将大量参数和肌电图的使用提出了一些缺陷。肌电图的正确位置传感器是非常困难和在动态条件下的相对运动使估计有问题(淀粉和Merletti, 2001)。EMG信号不可避免地受到各种噪音信号或构件(德卢卡et al ., 2010)。最后,许多EMG-based技术构思为特定的身体部位。因此,由于内在的复杂性和减少了实用性,基于的方法直接测量实现了近整个实验室设置。
旨在满足现代工业的要求,最近提出了一些创新性的方法。后者评估人类身体工作量依靠人类kinodynamic的在线监测3国家通过降低复杂性估计算法。目标是也占工人内部接触,忽略了传统的工效学工具,而克服的局限性实验室方法,不切实际,几乎可定制。例如,莫里斯et al。(2017)提出多个人体工程学能够量化的指标所承受的详尽和简明的物理要求职工在执行各种体力活动,解决这两个体式/运动和力/力矩。通过利用人类kinodynamics人形机器人模型的原则,洛伦西尼et al。(2022)提出在线多索引方法占多个潜在贡献者MSDs,也给予重视的科目要求工人。在同一条线上,戈拉米et al。(2022)引入一套定量指标考虑运营商的工效学评价的遥控操作界面。仍然追求降低复杂性的方法但增加一定程度的准确性对更复杂的地区,文图拉et al。(2021)开发一个灵活的人类脊柱力学模型来评估抗压载荷。最后,拉泰拉et al。(2019)提出了一种随机的方法同时floating-base估计人类全身的运动学和动力学对在线工效学评估。然而,这种方法是到目前为止相当有限。
2.2认知负载
证据表明,认知需求过度工作危害工人的健康和性能已经导致了新的兴趣认知负荷理论(此时)。解释水平理论研究认知结构之间的相互作用、信息及其意义(溶胀剂et al ., 1998)。准确地说,这个词“认知负荷”是指的处理执行特定的任务强加于学习者的认知系统(Paas et al ., 2003)。谢和Salvendy (2000)提供一个详细的人类信息处理的概念框架。定义的瞬时负荷高峰负荷,累积负荷、平均负荷,整体负荷提出了探讨认知负荷的趋势随着时间的推移回应刺激一个活动和/或环境条件强加给这个话题。以下部分调查当前最先进的关于心理工作负荷建模和执行任务的认知成本估算,根据定义的三个主要类别,并显示在第2部分的开始图3。
2.2.1主观的判断
到目前为止,叙事访谈和主观等级量表代表最常用的方法来测量认知负荷在实验室和工业设置(卢比奥et al ., 2004;Leppink et al ., 2013)。NASA-TLX (哈特和Staveland, 1988年;哈特,2006),主观的工作量评估技术(SWAT) (里德和尼葛伦,1988年)和主观工作负载技术(剑)(Vidullch et al ., 1991)只是几个可用的调查问卷。不过评价有许多局限性(奈史密斯et al ., 2015)。主要缺点是假定人们能够反省认知过程和报告的有经验的认知努力(奈史密斯et al ., 2015)。此外,他们往往受到许多偏见,默许和社会赞许性等,他们的结果可能会出现问题。最后,他们离线工作,收集的数据的深层理解需要特定技能领域的认知工效学和认知科学。
最近,研究人员提出了工具旨在使用由员工直接参与制造领域。例如,在工作Thorvald et al。(2019)提出一个因素评估工具和一个手册,表示认知负荷评估制造业(蛤),估计人类操作员的心理工作负荷预计将使用在特定装配任务和工作站布局。最终用户被要求反映不同方面的日常活动规模和速度因素从0到8。它们的特定组合导致最后的认知负荷的分数。
2.2.2系统的观察
评估执行工业活动的认知努力,采取了两种策略基于涉及运营商的直接观察:1)性能的措施第一或二次任务2)行为特征的分析和修改。
任务和绩效技术涉及测量的主要和次要的任务。背后的想法是,人们有限的资源,所以任务并发执行应该反映的水平的认知负荷的主要任务(出租车和莱利,1999年;Paas et al ., 2003;吴和李,2013年)。最先进的测量来评估性能任务时间,运行时,反应时间、准确性和错误率。尽管高灵敏度和可靠性,这一技术与通常的任务执行影响很大,使它很少适用,即使在实验室设置。
为了设计少阻塞性监测系统,最大化用户的舒适,外部感官系统最近的适用性。早期研究利用相机传感器自动情感识别(Glowinski et al ., 2011;Karg et al ., 2013;Kleinsmith Bianchi-Berthouze, 2013;罗伊et al ., 2020)和表达合成(Karg et al ., 2013;Kleinsmith Bianchi-Berthouze, 2013),以及相关的活动行为指标的压力(Giakoumis et al ., 2012;Aigrain et al ., 2015)。是由定量和网络框架Lagomarsino et al。(2022 b)监控操作员的认知负载通过检测模式的运动直接从输入图像的低成本RGB-D相机。方法研究了工业如何影响人们工作相对于他们的注意力分布、决策、精神过载、挫折、压力和错误。头部姿态估计和骨架跟踪被利用调查工人的注意和评估多动和不可预见的运动。尽管越来越感兴趣的话题,评估认知负荷通过视觉监控系统是一个比较新的话题(Bisogni et al ., 2022)可能带来解决方案从实验室到实际的车间。
2.2.3直接测量
大量的先前的研究探讨认知负荷评估直接测量的生理信号。生理测量工作量依赖人体的生理反应强烈的心理需求(溶胀剂et al ., 1998)。的监测大脑活动是最直接和接受形式对认知过程进行调查。脑电图(EEG)提供了一个在线、连续测量的瞬时波动心理负荷(Al-Shargie et al ., 2016;所以et al ., 2017;杨et al ., 2019)。然而,运动文物由于电子干扰和噪声,呼吸和心跳使脑电图信号而不是部署在工业环境中。
与工作有关的压力和应变被发现改变sympathetic-parasympathetic神经系统平衡和增加心脏疾病的风险(休斯et al ., 2019)。因此,短期心血管研究了脑力劳动的结果。在文献中,一些心率变异性(HRV)派生指标定义在时间、频率和非线性域。一般来说,认知负载导致减少时域措施(例如意味着RR间隔(Henelius et al ., 2009)),以及减少低频(低频,0.04−−0.15赫兹)和高频(HF, 0.15−−0.4赫兹)的权力,而比低频/高频增加(Durantin et al ., 2014;Delliaux et al ., 2019)。
此外,皮肤电反应(GSR,也被称为皮电性质的活动,EDA)已被广泛研究了索引交感兴奋的变化与情绪有关,认知,和关注(奎奇立2002;Poh et al ., 2010;Setz et al ., 2010)。GSR或EDA是连续的测量产生的皮肤电导的变化多样的人体出汗的活动。研究人员发现两个组件在高分辨率的EDA信号,即。,the tonic (skin conductance level, SCL) and phasic response (skin conductance response, SCR), and used derived metrics to quantify cognitive states and stressful periods (桑托斯de Sierra et al ., 2011;今天et al ., 2019;汉et al ., 2020)。
最近的研究还包括呼吸活动的措施(如呼吸速率、体积和CO的浓度2在气流)(Grassmann et al ., 2016),眼睛活动(例如,眨眼率,关闭的时间间隔,平行眼部运动,瞳孔放大和眼睛固定)(seppo Friedman-Berg, 2006;科因和Sibley, 2016年)、皮质醇水平(卡拉斯科de凹地,2003年),和言论的措施(如沥青、速率、响度、抖动和微光)(阴et al ., 2008)。
心理生理测量提供客观和定量的信息并允许连续趋势的可视化和详细的负荷模式的识别。然而,信号采集需要昂贵的和不切实际的高度敏感的系统对人体运动和经常阻碍用户的日常活动。由于上述原因,采用该技术在实际场景中受到一定的限制。
3人类监测硬件和系统
在前面的部分中,我们经历了工效学评估目前的标准和方法适用于这个行业。所有的指标和算法需要,在某种程度上,人类状态的监测。然后检查文学通过搜索人类监测硬件和系统,首先选择关键字相关的广泛的概念(例如,“人类监测,”“人类的传感器,”“生物传感器”,“生物”),然后具体的类别(例如,“动作捕捉”,“心电图”“electromiography”,“脑电描记法”)。本综述的范围内,我们将监控系统划分为两个独立的组,根据数量来衡量,即(我)身体kinodynamics数据和(2)生物和生理指标(见图4)。在每一组中,传感器的选择和设备实施的挑战应该遵守严格的规则强加在工业环境中,即:
•保证任务时间和数据同步需求(在线测量);
•确保工人的安全,避免过多的累赘,以及生理和心理需求(non-invasiveness4);
•确保质量的测量准确度和精密度。
图4。不同的可用技术的概述kinodynamic变量的测量以及生理参数占人类工效学。
它可以指出,这些指标有共性与介绍图2对工作量的评估。的挑战和环境限制实际上是相似的。这不是我们解决经济成本比较感兴趣的设备市场全景。
3.1身体kinodynamics
生物力学分析需要的数据通过特定的姿势和力工人在他们的职责。这意味着在线监测所需的身体姿势和交互部队估计时间序列数据的物理工作负载。
人类的姿势通常通过动作捕捉(灭克磷)系统。的确,现实的骨骼模拟执行的合成和分析所需执行的动作时间。在合成阶段,灭克磷数据导致改善人类模型渲染,而分析方面帮助研究人员在获取关键洞察人类肌肉骨骼系统,如身体关节角度和速度,运动的身体重心,身体部分构成,等。不同的技术和解决方案开发捕捉运动,以后我们分析一些最普遍的例子在文献以及一些工业应用。基于成像系统与红外(IR)相机的位置可以用来满足回射的刚体(标记)附着在有针对性的主题(Nagymate和吻,2018;Chatzitofis et al ., 2021;胡锦涛等人。,2021年)。此外,系统基于惯性测量单元(IMU)的相对运动轨迹铰接结构已成为流行的多功能性(Vignais et al ., 2013;卡普托et al ., 2018;马林和马林,2021)。此外,在撰写本文时,markerless光学灭克磷系统进行重大研究进展与应用潜力。这些系统依靠图像处理和深度学习技术来追踪人类骨骼在线信息使用现成的和相对廉价的RGB-D相机(Bortolini et al ., 2020;金正日et al ., 2021 c)。
现在让我们来列举一些工业文学灭克磷应用的例子。上述灭克磷技术被利用,例如莫里斯et al。(2019)在以前,人类运动的数据集活动,完全符合EAWS,。首先,这个数据集适用于分类、预测或评估人体运动在工业环境中。第二,它支持机器人社区提供协作解决方案旨在改善工人的人体工程学。在这项研究中,Xsens MVN链接和Qualisys被用作惯性和概略介绍光学灭克磷系统。此外,数据收集过程与两个摄像机记录进一步分析OpenPose库(曹et al ., 2021)。类似logistics-dataset也提出了Niemann et al。(2020)挑选和包装方案重新创建用于识别和分析人类活动在物流的应用程序。
目前,工业开发这些技术挑战由于其固有的局限性(Mundermann et al ., 2006;Damgrave Lutters, 2009;贝利,2012这样;Lopez-Nava和当归、2016;Patrizi et al ., 2016;鼠鸟et al ., 2018;Yahya et al ., 2019;Menolotto et al ., 2020;Kanko et al ., 2021)。需要高度专业化的设备,定期校准程序,捕捉量有限,不方便标记或专门的西装,以及重要的安装和操作这些系统的成本,到目前为止,极大地阻碍了采用基于光学标记系统(例如,OptiTrack™, NaturalPoint, Inc .)在工业尽管他们表现令人信服的准确性(Menolotto et al ., 2020)。这主要的缺点是可以克服使用的最新进步markerless地光学灭克磷系统(例如,RealSense™,国米英特尔(Intel corp .))。因此,用户可以自由地执行他们的活动和任务没有穿西装或对他们的身体产生附加标记。尽管如此,到目前为止,他们提供的数据不够精确的概略介绍系统,他们同样受到遮挡的问题。最重要的是,一般光学系统引起能见度问题由于安装摄像头的有限范围。作为替代,IMU-based系统可以跟踪各种姿势在凌乱的环境与室内和室外应用,表明更高的可移植性和部署。事实上,这是没有必要的地方或安装任何固定的基础设施使用inertia-based解决方案。然而,漂移,即。,divergence of the output values from their real values that happens in time, is the common issue with the IMU-based systems that does not ensure an accurate absolute position of the limbs (Damgrave Lutters, 2009)。此外,工件由于皮肤运动可以作为测量噪声的来源在收购IMU-based和概略介绍系统,从而导致错误,在某些情况下,相同的数量级是研究关节的运动。
另一方面,由工人测量力,力传感器和力板块主要应用(霍夫曼et al ., 2007;Arjmand et al ., 2009)。力传感器可以测量之间的交互工人手和任务的对象。另外,大多数可用的力量板块可以同时测量外部地面反作用力(平)在三个平面,即垂直,前后,medial-lateral。然而,前者和后者的可移植性的安装问题,破坏他们的工业应用。作为一个解决方案,可穿戴的形式替代建议手套(公园et al ., 2019)和鞋(班贝克et al ., 2008;Muzaffar Elfadel, 2020)配备力/力矩传感器。仪器的手套,例如,移除需要装备处理与力传感器或压力垫和工具。然而,力传感器垫嵌入手套只获得正常的力量,需要校准,并可能转变,在测量(Ranavolo et al ., 2018)。值得注意的是,可穿戴鞋垫压力系统下可以获得天然气采收率和足底压力数据。此外,他们可以很容易地插入或附加到工人们的安全靴最小的阻碍程度。
3.2生物和生理指标
正如我们在2.2节所述,研究生理信号可以帮助理解physiological-related方面的工作,如精神压力、精神疲劳和身体压力。这些主题的兴趣不断增加引起从最近的技术进步,使可用的无线,现成的、轻量级的、负担得起的生物传感器。
生物传感器可分为1)传统的生物传感器;2)可移植的生物传感器;3)非接触生物传感器。
传统的监测生理量模式依赖于医院诊断设备,在控制环境中,保证高质量的信号。然而,他们通常需要训练有素的工作人员,在大多数情况下离线后处理阶段提取有意义的功能。在这种背景下,更多可移植的可穿戴式生物传感器出现的具体尝试扩展生物的收集临床前设置。最近的技术进步提供大量的生物传感器方便(如耳机、胸背带,和腕带),可以用来检查人体工程学的工人。
胸带传感器主要用于监测心脏活动(例如,HRV)的工人。胸肩带提供了一个简单而精确的替代传统的心电图(ECG)测量。尽管进展技术设计减少了皮带上的传感器的庞大,这种设备的验收和实用性仍在他们的初始阶段(亨德et al ., 2021)。正如2.2节中提到的,一些研究者试图评估员工的心理压力和认知负荷从脑电图耳机根据收集到的脑电波。这些可穿戴设备的主要优势是,他们显示出引人注目的速度表现在指出员工精神状态的变化满足网络需求。然而,获取高质量的脑电图信号在该领域与其他生理信号相比更具挑战性由于一些内在的工件(例如,眼眨眼睛和面部肌肉运动)(Mijovićet al ., 2017)。在不同的穿戴式生物传感器、wristband-type生物传感器允许研究人员获得多个生理信号(例如,photoplethysmography、EDA和皮肤温度)而不中断工人正在进行的任务。然而,测量生理信号使用wristband-type生物传感器在工业地板仍是具有挑战性的,因为大量的外部信号的工件和扭曲,来自工人运动,位移传感器、环境噪声和低质量的传感器电极与有线相比生物传感器(Jebelli et al ., 2019)。
最后,我们有非接触传感器能够获得心理物理信号没有任何传感器探头和人体之间的联系,保证non-invasiveness而言最好的表演。瞳孔直径、注视数据、注视持续时间和眼睑闭合模式可以通过红外远程记录人眼跟踪系统。眼动跟踪是一个功能和高度neuro-ergonomic解决方案收集相关心理工作负荷和注意力的实用信息。这是一个非侵入性,容易设置设备,允许一致的数据收集。此外,它不强加任何用户,身体负担和校准程序是快速和简单的。多种措施被描述在文献中所说的视觉搜索效率的相关心理工作负荷,包括固定数、固定时间、固定利率,来对准目标固定比例,平均扫视距离和速度,速度峰值扫视,长期固定,数量和平均瞳孔直径(seppo Friedman-Berg, 2006)。在线处理上述指标不需要大量计算能力和复杂不如脑电图或其他脑成像技术。回顾一下,目的是评估工人工效学在工业环境中,首选的传感器系统应该是轻量级的,容易磨损和/或设置不阻碍工人的活动,并确保用户舒适甚至长期使用。有关身体kinodynamicsinertial-based设备提供精确的测量,但在某些任务条件可能是不切实际的。另一方面,外部传感器系统,如相机、提供非侵入性的分析人类运动但患有阻塞和功能有限的精度。除此之外,生物和生理指标提供有用的见解关于人类的状态。这些显示良好的潜力离线验证可能的人体工程学的干预,但可能不适合在线应用程序。
4人体工程学人机协作
本节介绍了在线补偿措施和策略,一个机器人伴侣,美联储的工效学评价经营者(第二节)和/或与收集到的数据与监测技术(第三节),可以把以减轻人工工作量。文献分析关注人体工学合作机器人,我们设置了人权组织的术语描述概念界限与工业部门(例如,“人机”,“协作机器人,”“制造”,“自动化”)和人类工效学(例如,“物理”,“认知”,“工作量”,“压力”,“工作”)。的极坐标图图5说明了生产与我们的研究相关的论文查询超过十年时间窗口(从2011年到2022年)。
图5。主要相关的论文数量在身体和认知工效学评估变量。
4.1物理人体工程学人机协作
本综述的范围内,我们框架的不同方法解决工人的身体人体工程学在HRC两个宏观区域。一方面,一些作者中选出一些系统的观察2.1.2节中提出的方法识别更多的人类工效学的姿势或定义一个成本任务规划和角色分配。因此,标准中直接选择驱动HRC黄金标准的符合人体工程学的工具。另一方面,假设是由一些研究人员间接实现更符合人体工学的工人的工作条件,如减少人类的关节转矩/疲劳或人类的视野/手臂运动学的优化将提高工效学的任务。为了可读性,在接下来的这两类得到解决基于标准的和基于成本的方法。
以下4.4.1基于标准的方法
人权组织认为人体工程学的工作在一个直接的方式,根据观察法分为以下工作。最重要的是,REBA方法利用一群研究人员。Busch et al。(2017)首先采用REBA期间改善工人的舒适和安全人机协作任务。人类的姿势,最小化REBA返回的分数计算,机器人位姿调整网上让人执行任务优化体内配置。还开发了图形界面来通知用户有关工效学评估结果。的可微的版本REBA当时在后面的工作(介绍Busch et al ., 2018)同时设计机器人运动(前一样)在任务和计划的顺序操作。REBA技术也被采用Van de Perre et al。(2018)预测和优化人类工效学在混合co-carrying任务。首先,人类的姿势从手姿势是一组状态(即计算。,possible configurations to manipulate the object) and an ergonomic cost according to REBA was assigned to each state. Next, the sequence of states was found that minimise this cost, resulting in a joint plan for the two agents that was optimised for human ergonomics. On the other hand,Zanchettin et al。(2019)提出了一种控制策略,以促进人类承担身体更方便配置操作在一个笨重的对象持有的机器人。机器人移动工件,这样人类就诱导承担他/她根据REBA最自然和人体工程学的姿势。最后,El Makrini et al。(2019)采用REBA设定标准的任务分配一个机器人装配操作。组装的每个子任务被分配到机器人或人工根据任务需求,代理商的能力也评估REBA人体姿态。
之后,最常用的标准人体工程学工具在HRC RULA方法,同样posture-based。Ferraguti et al。(2020)采用内RULA提出了人机co-manipulation架构。不同的对象被认为是在实验和定位在最舒适的方式为用户操作,估计基于低的姿势RULA得分。此外,这些物体的位置可以直接由用户方便地调整由于机器人导纳控制。同样的,Shafti et al。(2019)提出一种方法不断调用合作机器人运动满足人类伙伴的人体工程学根据RULA姿势。相反,模拟了撒迦利亚et al。(2011)采用RULA不是确定人类工效学配置而是计划更接近人类的机器人运动,出现更安全、更可从人类的观点。人与机器人角色分配来解决梅洛et al。(2021),提出了一种RULA-based物理风险预测模型。开发的在线策略可以在代理(即分配操作。,human or robot) according to a human physical state indicator, called kinematic wear, that can account for the usage of each joint based on RULA guidelines. From the same research group,Fusaro et al。(2021)提出了一种方法来生成机器人自主和人机合作任务的计划考虑人类工效学。发达的方法允许机器人在线计划适应人类的伙伴,通过选择任务,减少一些继承人类可用的执行成本,决定,和人体工程学。后者是专门解决使用哦指数,与REBA RULA,也认为任务的频率、持续时间和重量有关。任务规划也解决人机协作任务Faber et al。(2016),Liau和Ryu (2020)和皮尔斯et al。(2018),通过确定人体工程学成本owa, RULA和SI,分别,但在模拟或离线,在稍后的阶段。
最后,值得一提的是一些研究观察方法被用来评估HRC工作站离线(Gualtieri et al ., 2020;Colim et al ., 2021;Dimitropoulos et al ., 2021;Palomba et al ., 2021)或在模拟(卡斯特罗et al ., 2018;Heydaryan et al ., 2018;Lietaert et al ., 2019;Mateus et al ., 2019;Laudante et al ., 2020)。
4.1.2基于成本的方法
人类工效学要求的研究,间接地址HRC说明以后,分组根据使用的数量作为一个成本。在Bestick et al . (2016,2015)最方便的机器人配置当对象交给人类的伴侣。一个简单的成本函数是假定先天的考虑人类关节的距离从一个中立的立场。这符合人体工程学的成本越高,就越不可能相关的人体配置,导致一个特定的机器人位姿。相反,在Bestick et al。(2018),学会了人体工程学的成本通过贝叶斯推理网络,基于隐式物理机器人的查询。片和Hasuura (2003)介绍了五种不同的优化模型来描述舒适性。在后者中,“中关节角指数”被选中Sisbot和Alami (2012)模型的手臂舒适,随着人类安全和能见度,被雇佣为标准来生成人体工程学机器人路径向对象转运站(OTP)交接。这个human-aware操纵的扩展计划考虑人权组织也约束(Mainprice et al ., 2011)以及人类流动(Mainprice et al ., 2012)。
在这些研究中,人体工程学的成本选择只考虑人类行为的运动学。另一方面,提出的“联合转矩模式”片和Hasuura (2003)是而不是受雇于Parastegari et al。(2017)预测一个OTP人类接收机相匹配的首选位置。重载的关节转矩,即。,the torque induced only by the effect of an external load, were instead employed as a cost in金et al。(2018);洛伦西尼et al。(2018);金正日et al . (2019,2021 b)人体优化配置根据人类co-carrying或co-manipulation活动稳定、共享工作空间和任务约束。重载关节力矩的累积效应,即。,overloading fatigue, was then considered in a later work (洛伦西尼et al ., 2019)触发自适应机器人的行为在身体疲劳。目标是计划一个共享的机器人装配任务,Michalos et al。(2018)提出了一种多准则方法,采用一组质量,生产率也人体工程学标准来确定最好的规划场景在一个模拟的环境。疲劳模型以及NIOSH指数被利用在这里搜索算法的成本。拉蒙et al。(2019)介绍一套指标来评估代理性能结合离线分配最优算法的角色分配在一个工业装配任务。在这些指标中,代理灵巧和努力提出了考虑舒适性和身体疲劳因此工效学从运动学和动力学的角度,分别。在过去的两项研究中,基于提出的疲劳模型马et al。(2009)。
定义的多个工效学指标莫里斯et al。(2017)了东方的设计CoBot,但提出的一组变量,由于其易于计算,可以使用在线HRC。同样,在Rapetti et al。(2019)一个优化问题是制定,人体工程学等目标肌肉努力和身体姿势映射到人类kinodynamic数量如关节力矩和关节角度/速度,开发human-aware机器人控制器HRC。
另外,在马林et al。(2018)“上下文环境的优化模型”提出了成功降低受试者的肌肉活动执行钻井任务。提出的模型都是高斯过程潜变量模型与详细的肌肉骨骼模拟离线训练,但可以使用在一个低维的空间,展示了潜在的在线功能。
最后,人类可以通过生理指标来表示。在这个视图中,Peternel et al . (2017,2018)提出一个方法来在线机器人行为适应人类疲劳,这是模仿基于人工肌肉活动与肌电图测量传感器。
4.2认知工效学在人机协作
除了确保操作者的身体安全和舒适,认知资源需求和精神压力引起的密切互动CoBot不应被忽视。早期的采访未来潜在用户(即。,actual industrial workers) of these robots revealed controversial attitudes and social cues (Wurhofer et al ., 2015;Elprama et al ., 2016,2017年;El Makrini et al ., 2018)。这是需要收集定量数据给予见解的精神处理系统。
许多横断面研究记录了人类的生理活动期间industrial-mimicking任务在实验室设置和评价如何进行后期处理获得的生物认知负荷发展在HRC。诺瓦克et al。(2011)评估期间身体和认知负荷与机器人触觉交互通过测量心电图,GSR,呼吸速率和周边皮肤温度。最后两个测量的组合允许的心理成本估计与触觉体力任务的机器人。然而,拟议的设置(即要求不切实际的设备。,a thermistor flow sensor), making the technique hardly deployable in the industrial sector.Arai et al。(2010)测量了精神紧张在人机协同装配任务通过记录皮肤电导和要求参与者来填补一个主观问卷调查。增加心理生理条件时发现一个机器人逼近一个工人,进料速度高、没有提前通知它的运动。类似的结果通过Kulić和克罗夫特(2005,2007年,一个,b)利用一个更全面的生理测量(即。、心率、皱眉肌肌肉活动,GSR)Hocherl et al。(2017)和伯格曼和van Zandbeek (2019)通过主观的判断。
认知疲劳之间的相互关系,运营商性别和机器人援助水平也检查与尊重人权组织优化系统设计任务的性能和用户体验。根据Hopko et al。(2021)认知努力,衡量HRV信号,对工作效率产生负面影响,但并没有改变准确性或精度。相反,通过自动化的援助是主观感知和评价在问卷中表现女性受试者。的结果主观的判断和辅助工作性能出租车和Endsley (2004)表明,当一个更重要的首要任务是自动的,运营商感知资源摆脱束缚和监视性能的改善是次要的。此外,Heraiz-Bekkis et al。(2020),德拉甘et al。(2013),Hocherl et al。(2017)发现被认为安全的感觉是提高机器人运动时流利的和可预测的。最近的注意力都集中在提供平滑的轨迹生成心理接受的运动没有工人(添加干扰或不适的感觉罗哈斯et al ., 2019,2021年)。然而,认为认知水平工作负载的变化提出了机器人的控制策略尚未经过测试。
最近,三个机器学习方法介绍和比较Rajavenkatanarayanan et al。(2020)从心电图和GSR中提取相关特征数据,收集在机器人装配任务。提供最好的支持向量机(SVM)分类的准确性92.85%认知工效学(即风险。,低或高)可能在线。
目的是不引入额外的来源为职工的不适(如耐磨性约束引入生物传感器)在生产活动中,Lagomarsino et al。(2022)监控操作员的精神努力和压力水平检测模式的运动直接从输入图像的立体相机。特别是,在线和定量框架检查运营商的注意分配,高活动时期和肢体语言而与工业CoBot交互。机器人的透明度和可观察性的程度提供给人类工人对认知负荷的发展产生影响。此外,人类之间的变化经历了脑力和自动化的援助主要是相关运营商的熟悉技术(Wurhofer et al ., 2015)。机器人行为的透明度也认为德拉甘et al。(2013),Faber et al。(2016)和Gombolay et al。(2017)作为标准影响认知工效学和包含在符合人体工程学的角色分配算法在混合工业设置。此外,Eimontaite et al。(2019)图形标志对参与者的身体的影响进行了探讨与半自治机器人合作。根据调查问卷收集的数据和面部表情识别,参与者报告降低焦虑水平和消极态度的机器人。另一方面,任务相关标志支持任务绩效准确率和响应时间。
这里的所有研究综述旨在评价工业CoBots和他们的行为影响运营商的混合环境中的精神状态。的作品Lambrechts et al。(2021)和Gualtieri et al。(2021)确定多个认知工效学变量机器人协作系统的重要性,强调监测人类状态和解读非语言沟通。的确,这些信息可以被利用来设计框架能够提高人类和机器人之间的交互的网络机器人的队友的行为适应运营商的需求。HRC解决方案构建的基础改善认知工效学在工作和减轻全球与工作有关的精神疾病的负担。
研究这一原则通常被称为“情感机器人”(Braezeal et al ., 2016),虽然目前的方法主要是致力于社会或服务机器人。此外,研究人员遇到困难由于多维构造和高的主观性认知加工和典型的人类态度的羞愧和隐藏的心理状态。在Nicora et al。(2021),一个人为控制架构包括CoBot和交互式虚拟化身是促进良好的心理健康的设想。初步尝试引入情感机器人在工业生产中被提出的蓝迪et al。(2018);Villani et al . (2018 b,2020)。提出系统估计用户的心理疲劳分析HRV和在线调整的速度奴隶,禁止有害演习或提供辅助部队在主界面。有趣的研究Messeri et al。(2021)提供一种新型HRC范式CoBot适应其行为在网上相互评价的基础上运营商的压力和生产力。更具体地说,实际的HRV参数和周期时间比较通过博弈论的方法检索的参考价值。在每个任务执行结果是利用管道循环变化的步伐交互的同时减轻人类的认知工作负载和生产力的最大化。之间的权衡系统生产力和可接受的人类认知负载工业任务也解决了Lagomarsino et al。(2022 c)。一个多目标优化问题和在线HRV-based决策算法实施优化的总执行时间和平滑轨迹CoBot完成。这允许寻找最合适的速度为每个特定的用户交互和在线CoBot的运动特征适应满足个人需求的变化。
尽管日益关注全球雇员和雇主的工作压力和心理社会风险,仔细调查确认Lagomarsino et al . (2022,c);蓝迪et al。(2018);Messeri et al。(2021);Nicora et al。(2021);Villani et al . (2018 b,2020)作为唯一的研究试图解决的挑战在线评估认知需求和缓解压力。
5讨论和展望
前一节所示的审查提供的证据整合工效学评估新兴市场和有吸引力的兴趣,从物理和认知/组织的观点,与机器人策略以减少估计的危害。本部分首先介绍了本文的主要科学贡献,即。,the identification of the main gaps and thus potential research topics in the integration of ergonomics principles within HRC frameworks. Next, the operational implications are discussed and the practical contribution is highlighted. Then, some insights for possible future studies are provided and last, the limitations of this study are illustrated.
5.1识别的缺口
表1,2报告分配的主要研究主题根据监测系统和工效学评价方法在过去10年(从2011年到2022年)。我们可以看到表1posture-based观测方法(RULA和REBA等)已经广泛研究评估物理人体工程学HRC,因此已知和巩固从研究的角度来看。然而,正如前面提到的,这种技术是有限的运动学工人的行为。几个研究人员认为NIOSH /哦,是的,也考虑到任务的频率,持续时间和相关对象的重量。另一方面,某月(即综合技术。,including loads, action forces, repetitions, etc., such as EAWS) have been already proposed in an automatised version but have not found their practical application so far as a policy for HRC. In general, however, the existing standard ergonomic tools present the great limitation of not plenty considering the dynamics of the workers’activities, as discussed in Section 3. The authors who combined直接测量从运动和力传感器与人体模型总是提出了解决受试者的工效学要求的相对简单的指标(例如,身体舒适配置或减少关节转矩/疲劳)。的确,降低复杂性人类模型与数量有限的参数允许快速识别流程,确保小计算成本。
表1。物理人机工程学在工业HRC:作品中主要分布监测系统和工效学评估技术。
表2。认知工效学在工业HRC:分布在主要监测系统和工效学评估技术。
通过提供在线监测的人体运动学和动力学,该方法允许一个详尽的和现成的评价职工的物理工作负载,而会议的要求真正的工厂。一些作品利用肌肉活动衡量EMG传感器模型物理混合环境中的疲劳。尽管他们的应用程序限制在工业环境中,生物传感器和身体信号可以提供有价值的信息,使机器人的监控。
表2评估表明,生理指标而不是广泛探索认知负载,即使没有行之有效的方法或者指标普遍接受的认知负载存在文学。审查结果揭示了越来越感兴趣不引人注目的传感和可穿戴设备。后者允许(我)同时监视多个物理和生理信号,敏感负载的独特方面,和(2)融合获得更可靠的洞察人类疲劳和认知过程。
行为分析通常是少了,但近年来纸生产的增长,它代表了一个新兴的研究领域中自动检测压力、沮丧和焦虑。这是出于成本低和操作方便的优点评估技术。然而,一些缺点,如容易运动和缺乏burden-free校准解决方案尚未完全解决。此外,由于其固有的特性,作者确定非接触传感器和摄像机,成熟和保护隐私的意识,作为潜在的传感系统,科学家应该集中精力,专注于开发下一代工业CoBots考虑工人的人体工程学。
5.2实际意义
集成的关键我们称之为“人体工程学HRC框架”在实际工厂提出的解决方案的适用性和可接受性。使用的适用性与兼容性的传感器系统在工业环境中,经常吵,凌乱,频繁修改。如在第三节所讨论的,监视人类的状态,可穿戴和外部设备都是可用的,可以更好取决于要执行的任务和工作特点和要求。一般来说,传感器技术的选择应以确保工人的可靠监控状态,还提高他们安慰不妨碍日常活动。事实上,可接受性与工人的意见。因为他们会直接使用提出的技术和经验,他们的批准是基本的有效集成。因此,人权组织平行的发展策略,与真正的工人在工厂的评估是一个关键的要求。到目前为止,一些调查问卷可用于这个目的,例如,系统可用性规模(SUS) (布鲁克,1996),Borg量表(Borg et al ., 1985),正面和负面影响进度(PANAS) (汤普森,2007),同时NASA-TLX (哈特和Staveland, 1988年;哈特,2006),但应与技术进步保持更新。甚至最有效和符合人体工程学的设备,没有用户的批准,变得毫无意义。我们相信本文论文不仅可以是有用的研究人员愿意发现新的研究主题也企业高管和员工代表概述人权组织的最先进的解决方案来解决人为因素和人类工程学。连续对话机器人与这些实体(但非唯一)的研究人员收集信息关于适用性和可接受性以及让他们意识到可用的可能性而言,技术进步的基础。
另一方面,沿着正轨工作,机器人技术研究人员应该接受咨询和支持人体工程学专家和从业人员,以确保正确的使用和人体工程学原理的应用。这两个域之间的信息交换是目前scarse虽然将加强和系人类工效学的集成在HRC。同时通过提供当前的人类工效学评估工具的概述以及可用技术监视人类的状态,他们的组合在HRC框架的设计,我们希望强调的重要性不断人体工程学和机器人社区之间的相互作用。
5.3未来的研究趋势
尽管日益增长的热情来理解化学的发展和心理工作负荷的多维结构,人类工效学的研究协作机器人工作站相对一个新的主题,仍然在寻找可行的解决方案。大多数的研究集中在工业CoBots和他们的行为影响运营商的身体和精神状态。文献收集和分析本文表明实际的研究倾向于依赖复杂且耗时的数据后处理。因此,可用工具可以使用几乎完全由专家或仅仅提供主观和离线的见解关于人类工效学,抑制其适用性在真实的环境中。初步尝试收集在线数据和相应的适应机器人行为调查。虽然有限的实验室实验,结果表明优秀的潜力在减轻工作量与工作相关的生物力学和认知不引入新的职业安全与健康危害。从物理的角度来看,现有文献提供了各种人体工学标准,成为在工业环境中行之有效的工具。并行,先进的建模和估计算法可以使人类kinodynamic变量网上,但大多数底层技术仍被限制在实验室设置。这样,最重要和突出的物理工效学研究主题是集成和转移这些方法在工作场所。为此,应该利用可穿戴传感器技术的潜力最大化用户的舒适而不阻碍工人的日常活动。 Moreover, future research should proceed with implementing role allocation strategies in hybrid environments and online planning and adaptation of robot movements. All those solutions fall within the cutting-edge principle of designing human-centred workstations supported by automation and could build the foundation for a more inclusive industrial environment. Thanks to the introduction of ergonomics assessment in the control loop, the robot behaviour could be adapted to workers’ physical condition and characteristics (e.g., age, gender, dominant and vulnerable limb, disabilities, fatigue) and enhance specific skills, mitigate risks, fulfil required capabilities and fight inequalities.
到目前为止,对人机工程学在工业领域主要的研究旨在减轻工人的疲劳和不适从物理的观点。未来的研究应该包括认知工效学变量的影响仍常常低估(HSE, 2020)。工业协作技术都提供了独一无二的机会,但他们可能危险增加运营商的心理需求时处理不当,导致不良健康和安全危害。保证机器人系统的可接受性工作人员,保证安全的第一步是一个成功的工作场所的数字化。然而,科学与工业社区仍然需要提供一组结构和验证的模型和指标的认知负荷。然后,在不久的将来,研究人员应该专注于开发可靠的方法造成的心理需求的工业任务。这可能是后来在新研究旨在最大化利用工人的效率和工作站生产力和促进采用CoBots在实际工业环境。
5.4本研究的局限性
复习四分的时候被覆盖亨德里克(1998);亨德里克和Kleiner (2002)人为因素/工效学的领域内,也就是说。,human-machine interface, human-environment interface, human-software interface, human-job interface technologies. These technologies, which are primarily focused at the individual level, are often referred to in the literature as “microergonomics.” The exclusion of the structural dimensions of work systems, i.e., human-organisation interface technology or “macroergonomics,” was mainly motivated by the desire to investigate ergonomic metrics that could be exploited to drive and adapt the robot behaviour and potentially improve ergonomics in hybrid environments. The boundaries of our analysis permit to comprehensively investigate and discuss existing ergonomics assessment tools and available monitoring devices. Nonetheless, systematic macroergonomic methodologies provide a larger perspective of the overall work system and could increase the likelihood of the microergonomic interventions presented in this review having a more significant impact and effectiveness.
6结论
本文的目的是提供一个概述当前最先进的人体工学HRC工业设置。工效学评价方法和可用的在线监测技术适应机器人控制策略根据工人的困境和需求进行调查,和最有前途的研究主题是突出显示。尽管在身体和认知工效学HRC蓬勃发展的关注,仍有待解决的几个挑战。特别是,当人体工程学的技术监测和人权理事会将达到一个更成熟的水平,需要解决的挑战包括成本效益、实现和维护所需的专业知识水平,和多人考试能力。这些挑战也不仅限于技术方面,监管的,如隐私问题时监测人类。
作者的贡献
枣疯病,MLa,低频、SG和AA的概念和设计研究。枣疯病,MLa、低频和SG进行文献综述,写了初稿的手稿。枣疯病,MLa,低频、SG和AA导致手稿修改和批准提交的版本。AA监督工作,建立了研究项目。
资金
本研究支持部分由欧洲研究委员会(ERC)开始格兰特Ergo-Lean (GA 850932),并通过欧盟的地平线2020研究和创新计划索菲亚(GA 871237)。
的利益冲突
作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。
出版商的注意
本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。
脚注
1与“网络”这个词我们参考的方法和程序,及时回应,但没有特定的限制时间延迟(而不是所需的“实时”系统,可以确保只在特定的工艺要求)。
2这些方法被称为“纸”,因为他们最初作为手写的手段,但是,目前,他们的数字版本是可用的。
3使用术语“kinodynamic”测量,在本文中,以指示与人类运动学相关的变量(即。、位置、速度和加速度)和动态(即。、数量与交互部队)。
4与“non-invasiveness”一词是物理约束的缺失或干扰。
引用
seppo U。,Friedman-Berg, F. J. (2006). Using eye movement activity as a correlate of cognitive workload.Int。j .工业工程学36岁,623 - 636。doi: 10.1016 / j.ergon.2006.04.002
Aigrain, J。,Dubuisson, S., Detyniecki, M., and Chetouani, M. (2015). “Person-specific behavioural features for automatic stress detection,” in学报的国际会议和研讨会上自动的脸和手势识别(FG),卢布尔雅那(斯洛文尼亚(IEEE)。
Al-Shargie F。唐,t . B。,Badruddin, N., and Kiguchi, M. (2016). “Mental stress quantification using EEG signals,” in学报创新国际会议在生物医学工程和生命科学(ICIBEL),新加坡(施普林格),15 - 19。
安德烈亚斯,G.-W。J。,和Johanssons, E. (2018). Observational methods for assessing ergonomic risks for work-related musculoskeletal disorders. a scoping review.启Cienc。祝您健康16日,8-38。doi: 10.12804 / revistas.urosario.edu.co / revsalud / a.6840
时候,T。,Kato, R., and Fujita, M. (2010). Assessment of operator stress induced by robot collaboration in assembly.CIRP安。59岁的5 - 8。doi: 10.1016 / j.cirp.2010.03.043
Arjmand, N。,Gagnon, D., Plamondon, A., Shirazi-Adl, A., and Lariviere, C. (2009). Comparison of trunk muscle forces and spinal loads estimated by two biomechanical models.中国。>。24岁,533 - 541。doi: 10.1016 / j.clinbiomech.2009.05.008
Ayusawa, K。,Venture, G., and Nakamura, Y. (2014). Identifiability and identification of inertial parameters using the underactuated base-link dynamics for legged multibody systems.Int。j .机器人Res。33岁,446 - 468。doi: 10.1177 / 0278364913495932
贝利,s W。,Bodenheimer, B. (2012). “A comparison of motion capture data recorded from a vicon system and a microsoft kinect sensor,” in学报》研讨会上应用感知(SAP),美国洛杉矶CA(纽约:ACM的新闻),121年。
上尉,S。,Benbasat, A., Scarborough, D., Krebs, D., and Paradiso, J. (2008). Gait analysis using a shoe-integrated wireless sensor system.IEEE反式。正,抛光工艺。生物医学。12日,413 - 423。doi: 10.1109 / titb.2007.899493
Berg, J。,Lu, S. (2020). Review of interfaces for industrial human-robot interaction.咕咕叫。机器人。代表。1,27-34。doi: 10.1007 / s43154 - 020 - 00005 - 6
伯格曼,M。,van Zandbeek, M. (2019). Close encounters of the fifth kind? Affective impact of speed and distance of a collaborative industrial robot on humans.嗡嗡声。友好的机器人。7,127 - 137。
Bestick,。,Bajcsy, R., and Dragan, A. D. (2016). “Implicitly assisting humans to choose good grasps in robot to human handovers,” in学报》国际研讨会在实验机器人,长崎,日本(施普林格),341 - 354。
Bestick, a . M。,Burden, S. A., Willits, G., Naikal, N., Sastry, S. S., and Bajcsy, R. (2015). “Personalized kinematics for human-robot collaborative manipulation,” in学报智能机器人和系统国际会议(——),德国汉堡(IEEE),1037 - 1044。
Bestick,。,Pandya, R., Bajcsy, R., and Dragan, A. D. (2018). “Learning human ergonomic preferences for handovers,” in机器人与自动化国际会议上学报》)举行(“国际机器人与自动化会议”,澳大利亚布里斯班(IEEE),3257 - 3264。
Bhargava, L。打手心,M。,Anderson, F. (2004). A phenomenological model for estimating metabolic energy consumption in muscle contraction.j .生物力学37岁,81 - 88。doi: 10.1016 / s0021 - 9290 (03) 00239 - 2
Bi, Z。,Luo, C., Miao, Z., Zhang, B., Zhang, W., and Wang, L. (2021). Safety assurance mechanisms of collaborative robotic systems in manufacturing.机器人电脑一体机Manuf。67年,102022年。doi: 10.1016 / j.rcim.2020.102022
Bigos, S。,Battié, M. C., Spengler, D., Fisher, L., Fordyce, W., Hansson, T., et al. (1991). A prospective study of work perceptions and psychosocial factors affecting the report of back injury.脊柱16日,1 - 6。doi: 10.1097 / 00007632-199101000-00001
Bisogni C。,,F。,Loia, V., and Narducci, F. (2022). Drowsiness detection in the era of industry 4.0: Are we ready.IEEE反式。印第安纳州,正无穷。1。doi: 10.1109 / TII.2022.3173004
Bongiovanni,。德卢卡,。河,L。,Grassi, L., Lagomarsino, M., Lapolla, M., et al. (2022).手势和触摸屏为人机交互协作:比较研究。arXiv预印本arXiv: 2207.03783。
Borg, G。,Ljunggren, G., and Ceci, R. (1985). The increase of perceived exertion, aches and pain in the legs, heart rate and blood lactate during exercise on a bicycle ergometer.欧元。j:。杂志。Occup。杂志。54岁,343 - 349。doi: 10.1007 / bf02337176
Bortolini, M。法西奥,M。,Gamberi, M., and Pilati, F. (2020). Motion analysis system (MAS) for production and ergonomics assessment in the manufacturing processes.第一版。印第安纳州,Eng。139年,105485年。doi: 10.1016 / j.cie.2018.10.046
Bortolini, M。Gamberi, M。Pilati F。,Regattieri, A. (2018). Automatic assessment of the ergonomic risk for manual manufacturing and assembly activities through optical motion capture technology.Procedia CIRP72年,81 - 86。doi: 10.1016 / j.procir.2018.03.198
Brosque C。,Galbally, E., Khatib, O., and Fischer, M. (2020). “Human-robot collaboration in construction: Opportunities and challenges,” in2020年国际人机交互会议、优化和机器人应用程序(赫拉IEEE),1 - 8。
布坎南,t·S。劳埃德·d·G。Manal, K。,Besier, T. F. (2004). Neuromusculoskeletal modeling: Estimation of muscle forces and joint moments and movements from measurements of neural command.j:。生物力学20岁,367 - 395。doi: 10.1123 / jab.20.4.367
Burdorf,。,Laan, J. (1991). Comparison of methods for the assessment of postural load on the back.Scand。j .工作环境。健康17日,425 - 429。doi: 10.5271 / sjweh.1679
布施,B。,Maeda, G., Mollard, Y., Demangeat, M., and Lopes, M. (2017). “Postural optimization for an ergonomic human-robot interaction,” in学报智能机器人和系统国际会议(——),加拿大温哥华(IEEE),2778 - 2785。
布施,B。,Toussaint, M., and Lopes, M. (2018). “Planning ergonomic sequences of actions in human-robot interaction,” in机器人与自动化国际会议上学报》)举行(“国际机器人与自动化会议”,澳大利亚布里斯班(IEEE),1916 - 1923。
曹,Z。,Hidalgo, G., Simon, T., Wei, S.-E., and Sheikh, Y. (2021). OpenPose: Realtime multi-person 2d pose estimation using part affinity fields.IEEE反式。模式肛门。马赫。智能。43岁,172 - 186。doi: 10.1109 / tpami.2019.2929257
卡普托,F。,Greco, A., D‘Amato, E., Notaro, I., and Spada, S. (2018). IMU-based motion capture wearable system for ergonomic assessment in industrial environment.放置智能系统。第一版。795年,215 - 225。
卡拉斯科,g。,de Kar, L. D. V. (2003). Neuroendocrine pharmacology of stress.欧元。j .杂志。463年,235 - 272。doi: 10.1016 / s0014 - 2999 (03) 01285 - 8
卡斯特罗。,Silva, F., and Santos, V. (2021). Trends of human-robot collaboration in industry contexts: Handover, learning, and metrics.传感器21日,4113年。doi: 10.3390 / s21124113
卡斯特罗,p R。Hogberg D。Ramsen, H。,Bjursten, J., and Hanson, L. (2018). “Virtual simulation of human-robot collaboration workstations,” in国会国际人体工程学协会学报》(IEA),意大利的佛罗伦萨(施普林格),250 - 261。
曹国伟,e . Y。,Armiger, R., Yoshida, H., Lim, J., and Haraguchi, N. (2007). Virtual interactive musculoskeletal system (vims) in orthopaedic research, education and clinical patient care.j . .。Surg. Res。2、2。doi: 10.1186 / 1749 - 799 x - 2 - 2
Chatzitofis,。Zarpalas D。达拉,P。,Kollias, S. (2021). DeMoCap: Low-cost marker-based motion capture.Int。j .第一版。粘度129年,3338 - 3366。doi: 10.1007 / s11263 - 021 - 01526 - z
Christmansson, m (1994)。“hama-method:上肢运动的一种新的分析方法和与工作有关的肌肉骨骼疾病的风险,”国会国际人体工程学协会学报》/加拿大人为因素协会,加拿大多伦多。
Colim,。,Morgado, R., Carneiro, P., Costa, N., Faria, C., Sousa, N., et al. (2021). Lean manufacturing and ergonomics integration: Defining productivity and wellbeing indicators in a human–robot workstation.可持续性13日,1931年。doi: 10.3390 / su13041931
鼠鸟,s . L。,埃文斯,M。,Cosker, D. P., and Salo, A. I. T. (2018). A review of the evolution of vision-based motion analysis and the integration of advanced computer vision methods towards developing a markerless system.运动医学。4,24-15。doi: 10.1186 / s40798 - 018 - 0139 - y
Corlett e . N。,Bishop, R. (1976). A technique for assessing postural discomfort.人体工程学19日,175 - 182。doi: 10.1080 / 00140137608931530
Corlett e . N。,Madeley†, * S. J., and Manenica‡, I. (1979). Posture targeting: A technique for recording working postures.人体工程学22日,357 - 366。doi: 10.1080 / 00140137908924619
考克斯,T。,Mackay, C. (1985). The measurement of self-reported stress and arousal.Br。j . Psychol。76年,183 - 186。doi: 10.1111 / j.2044-8295.1985.tb01941.x
科因,J。,Sibley, C. (2016). “Investigating the use of two low cost eye tracking systems for detecting pupillary response to changes in mental workload,” in人为因素和人类工程学学会学报(高频)年度会议,美国华盛顿特区(洛杉矶CA:圣人的出版物),37 - 41.60
Damgrave, r·g·J。,Lutters, D. (2009). “The drift of the xsens moven motion capturing suit during common movements in a working environment,” in学报CIRP设计会议,英国克兰菲尔德(英国克兰菲尔德:克兰菲尔德大学出版社),277 - 292。
Damsgaard, M。,Rasmussen, J., Christensen, S., Surma, E., and De Zee, M. (2006). Analysis of musculoskeletal systems in the anybody modeling system.同时。模型。Pract。理论14日,1100 - 1111。doi: 10.1016 / j.simpat.2006.09.001
大卫,g . c (2005)。人体工程学的方法评估暴露在与工作相关的肌肉骨骼疾病的危险因素。Occup。地中海。55岁,190 - 199。doi: 10.1093 / occmed / kqi082
德角,J。,Vroonhof, P., Snijders, J., Roullis, G., Clarke, M., Peereboom, K., et al. (2019).工作相关肌肉骨骼障碍:患病率,成本和人口在欧盟。西班牙毕尔巴鄂Tech.众议员:EU-OSHA欧洲安全卫生机构工作。
德卢卡,C。,Gilmore, L., Kuznetsov, M., and Roy, S. (2010). Filtering the surface emg signal: Movement artifact and baseline noise contamination.j .生物力学43岁,1573 - 1579。doi: 10.1016 / j.jbiomech.2010.01.027
de Sierra桑托斯。阿维拉,c . S。,del Pozo, G. B., and Casanova, J. G. (2011). “Stress detection by means of stress physiological template,” in世界大会学报》对自然和生物启发计算,西班牙萨拉曼卡(IEEE)。
德尔里奥维拉斯,D。隆戈,F。,Monteil, N. R. (2013). A general framework for the manufacturing workstation design optimization: A combined ergonomic and operational approach.模拟89年,306 - 329。doi: 10.1177 / 0037549712462862
Delliaux, S。,Delaforge, A., Deharo, J.-C., and Chaumet, G. (2019). Mental workload alters heart rate variability, lowering non-linear dynamics.前面。杂志。10日,565年。doi: 10.3389 / fphys.2019.00565
Delp, S。,Anderson, F., Arnold, A., Loan, P., Habib, A., John, C., et al. (2007). Opensim: Open-source software to create and analyze dynamic simulations of movement.IEEE反式。生物医学。Eng。54岁,1940 - 1950。doi: 10.1109 / tbme.2007.901024
迪金森,C。剪秋罗属植物,K。培养,。纽曼,S。,O'Rourke, A., and Thomas, P. (1992). Questionnaire development: An examination of the nordic musculoskeletal questionnaire.达成。尔刚。23日,197 - 201。0003 - 6870 . doi: 10.1016 / (92) 90225 - k
Dimitropoulos, N。Togias, T。,Zacharaki, N., Michalos, G., and Makris, S. (2021). Seamless human–robot collaborative assembly using artificial intelligence and wearable devices.达成。科学。11日,5699年。doi: 10.3390 / app11125699
Douwes, M。,Kraker, H. d. (2009). “Hand arm risk assessment method (HARM), a new practical tool,” in工效学学报》世界大会,中国,北京:(瑞士日内瓦:国际人体工程学协会(IEA)),9-14。
德拉甘,a D。李,k . C。,Srinivasa, S. S. (2013). “Legibility and predictability of robot motion,” in学报》国际会议上人机交互(HRI),日本东京(IEEE),301 - 308。doi: 10.1109 / HRI.2013.6483603
特鲁里街,C。,Coury, B. (1982). A methodology for chair evaluation.达成。尔刚。13日,195 - 202。0003 - 6870 . doi: 10.1016 / (82) 90006 - 0
Durantin G。,Gagnon, J.-F., Tremblay, S., and Dehais, F. (2014). Using near infrared spectroscopy and heart rate variability to detect mental overload.Behav。大脑Res。259年,16-23。doi: 10.1016 / j.bbr.2013.10.042
Eimontaite,我。Gwilt,我。,Cameron, D., Aitken, J. M., Rolph, J., Mokaram, S., et al. (2019). Language-free graphical signage improves human performance and reduces anxiety when working collaboratively with robots.Int。j .放置Manuf抛光工艺。100年,55 - 73。doi: 10.1007 / s00170 - 018 - 2625 - 2
El Makrini我。,Elprama, S。A., Van den Bergh, J., Vanderborght, B., Knevels, A.-J., Jewell, C. I., et al. (2018).与沃尔特:cobot是如何开发和汽车流水线上插入25,51-58。
El Makrini我。,Merckaert, K., De Winter, J., Lefeber, D., and Vanderborght, B. (2019). Task allocation for improved ergonomics in human-robot collaborative assembly.交互。钉。20岁,102 - 133。doi: 10.1075 / is.18018.mak
Elprama, S。,El Makrini我。,Vanderborght, B., and Jacobs, A. (2016). “Acceptance of collaborative robots by factory workers: A pilot study on the role of social cues of anthropomorphic robots,” in学报》国际会议上机器人和人类互动交流(RO-MAN),纽约,美国(IEEE)。
Elprama, S。,Jewell, C., Jacobs, A., El Makrini, I., and Vanderborght, B. (2017). “Attitudes of factory workers towards industrial and collaborative robots,” in学报的国际会议在人机交互,奥地利的维也纳(ACM和IEEE),113 - 114。
麦嘉华,M。、Kuz年代。,Mertens, A., and Schlick, C. M. (2016). Model-based evaluation of cooperative assembly processes in human-robot collaboration.放置人体工程学Manuf等内容。对策系统。的未来。放置智能系统。第一版。490年,101 - 112。
淀粉,D。,Merletti, R. (2001). A novel approach for precise simulation of the emg signal detected by surface electrodes.IEEE反式。生物医学。Eng。48岁,637 - 646。doi: 10.1109/10.923782
Ferraguti F。,别墅,R。,蓝迪,c . T。,Zanchettin, a . M。罗科,P。,Secchi, C. (2020). A unified architecture for physical and ergonomic human–robot collaboration.Robotica38岁,669 - 683。doi: 10.1017 / s026357471900095x
Fraysse F。小仲马,R。Cheze, L。,Wang, X. (2009). Comparison of global and joint-to-joint methods for estimating the hip joint load and the muscle forces during walking.j .生物力学42岁,2357 - 2362。doi: 10.1016 / j.jbiomech.2009.06.056
Fusaro F。,拉蒙,E。,De Momi, E., and Ajoudani, A. (2021). “A human-aware method to plan complex cooperative and autonomous tasks using behavior trees,” in学报》国际会议人形机器人(机器人),德国慕尼黑(IEEE),522 - 529。
加戈,A。,Moore, J. S., and Kapellusch, J. M. (2017). The revised strain index: An improved upper extremity exposure assessment model.人体工程学912 - 922。doi: 10.1080 / 00140139.2016.1237678
戈拉米,S。,洛伦西尼,M。De Momi E。,Ajoudani, A. (2022). Quantitative physical ergonomics assessment of teleoperation interfaces.IEEE反式。嗡嗡声。马赫。系统。52岁,169 - 180。doi: 10.1109 / thms.2022.3149167
Giakoumis D。Drosou,。,Cipresso, P., Tzovaras, D., Hassapis, G., Gaggioli, A., et al. (2012). Using activity-related behavioural features towards more effective automatic stress detection.《公共科学图书馆•综合》7,e43571-16。doi: 10.1371 / journal.pone.0043571
Glowinski D。Dael, N。,Camurri, A., Volpe, G., Mortillaro, M., and Scherer, K. (2011). Toward a minimal representation of affective gestures.IEEE反式。影响。第一版。2,106 - 118。doi: 10.1109 / t-affc.2011.7
Gombolay, M。拜尔,。,Huang, C., and Shah, J. (2017). Computational design of mixed-initiative human–robot teaming that considers human factors: Situational awareness, workload, and workflow preferences.Int。j .机器人Res。36岁,597 - 617。doi: 10.1177 / 0278364916688255
Grassmann, M。,Vlemincx, E., von Leupoldt, A., Mittelstädt, J. M., and den Bergh, O. V. (2016). Respiratory changes in response to cognitive load: A systematic review.神经体。硕士论文。doi: 10.1155 / 2016/8146809
Gualtieri, L。Fraboni F。,Marchi, M. D., and Rauch, E. (2021a). “Evaluation of variables of cognitive ergonomics in industrial human-robot collaborative assembly systems,” in国会国际人体工程学协会学报》(虚拟(施普林格),266 - 273。
Gualtieri, L。Palomba,我。,Merati, F. A., Rauch, E., and Vidoni, R. (2020). Design of human-centered collaborative assembly workstations for the improvement of operators’ physical ergonomics and production efficiency: A case study.可持续性12日,3606年。doi: 10.3390 / su12093606
Gualtieri, L。劳赫E。,Vidoni, R. (2021b). Emerging research fields in safety and ergonomics in industrial collaborative robotics: A systematic literature review.机器人电脑一体机Manuf。67年,101998年。doi: 10.1016 / j.rcim.2020.101998
Haggag, H。,Hossny, M., Nahavandi, S., and Creighton, D. (2013). “Real time ergonomic assessment for assembly operations using kinect,” in国际会议上计算机建模和仿真学报》上,罗马,意大利(IEEE),495 - 500。
汉族,h·J。,Labbaf, S., Borelli, J. L., Dutt, N., and Rahmani, A. M. (2020). Objective stress monitoring based on wearable sensors in everyday settings.j .地中海,Eng。抛光工艺。44岁,177 - 189。doi: 10.1080 / 03091902.2020.1759707
哈特,s G。,Staveland, L. E. (1988). Development of NASA-TLX (task load index): Results of empirical and theoretical research.放置Psychol。,139 - 183。doi: 10.1016 / s0166 - 4115 (08) 62386 - 9
Hassard, J。销量,K。考克斯,T。露,P。,Cosmar, M., Gründler, R., et al. (2014).计算成本的工作压力和心理社会风险。西班牙毕尔巴鄂Tech.众议员:EU-OSHA欧洲安全卫生机构工作。
Henelius,。,Hirvonen, K., Holm, A., Korpela, J., and Muller, K. (2009). “Mental workload classification using heart rate metrics,” in学报IEEE国际会议在医学和生物工程协会(磨床),明尼阿波利斯,美国(IEEE),1836 - 1839。
Heraiz-Bekkis D。Ganesh, G。,Yoshida, E., and Yamanobe, N. (2020). “Robot movement uncertainty determines human discomfort in Co-worker scenarios,” in学报》国际会议控制、自动化和机器人(ICCAR,新加坡(IEEE),59 - 66。
Heydaryan, S。,Suaza Bedolla, J., and Belingardi, G. (2018). Safety design and development of a human-robot collaboration assembly process in the automotive industry.达成。科学。8,344。doi: 10.3390 / app8030344
Hignett, S。,麦卡L。(2000). Rapid entire body assessment (reba).达成。尔刚。31日,201 - 205。doi: 10.1016 / s0003 - 6870 (99) 00039 - 3
亨德,K。,White, G., and Armstrong, N. (2021). Wearable devices suitable for monitoring twenty four hour heart rate variability in military populations.传感器21日,1061年。doi: 10.3390 / s21041061
Hocherl, J。,Wrede B。,Schlegl, T. (2017). “Motion analysis of human-human and human-robot cooperation during industrial assembly tasks,” in学报》国际会议对人类代理交互(HAI),纽约,纽约,美国(纽约:ACM的新闻),425 - 429。
霍夫曼,s G。、苇、m P。,Chaffin, D. B. (2007). Predicting force-exertion postures from task variables.SAE技术。巴氏。
Hopko, S。,Khurana, R., Mehta, R. K., and Pagilla, P. R. (2021). Effect of cognitive fatigue, operator sex, and robot assistance on task performance metrics, workload, and situation awareness in human-robot collaboration.IEEE机器人。奥特曼。列托人。6,3049 - 3056。doi: 10.1109 / lra.2021.3062787
胡,H。,曹,Z。,Yang, X., Xiong, H., and Lou, Y. (2021). Performance evaluation of optical motion capture sensors for assembly motion capturing.IEEE访问9日,61444 - 61454。doi: 10.1109 / access.2021.3074260
休斯,a . M。,Hancock, G. M., Marlow, S. L., Stowers, K., and Salas, E. (2019). Cardiac measures of cognitive workload: A meta-analysis.嗡嗡声。因素61年,393 - 414。doi: 10.1177 / 0018720819830553
詹姆斯,s . L。减弱,D。,Abate, K. H., Abay, S. M., Abbafati, C., Abbasi, N., et al. (2018). Global, regional, and national incidence, prevalence, and years lived with disability for 354 diseases and injuries for 195 countries and territories, 1990–2017: A systematic analysis for the global burden of disease study 2017.《柳叶刀》392年,1789 - 1858。doi: 10.1016 / s0140 - 6736 (18) 32279 - 7
Jebelli, H。崔,B。,Lee, S. (2019). Application of wearable biosensors to construction sites. i: Assessing workers’ stress.j .若干。Eng。等内容。145年,04019079。doi: 10.1061 /(第3期)co.1943 - 7862.0001729
出租车,d . B。,Endsley, M. R. (2004). The effects of level of automation and adaptive automation on human performance, situation awareness and workload in a dynamic control task.定理。人体工程学科学问题。5,113 - 153。doi: 10.1080 / 1463922021000054335
出租车,d . B。,Riley, J. M. (1999). Adaptive automation of a dynamic control task based on secondary task workload measurement.Int。j .认知工效学3,169 - 187。doi: 10.1207 / s15327566ijce0303_1
Kadir也一个。,Broberg, O., and da Conceicao, C. S. (2019). Current research and future perspectives on human factors and ergonomics in industry 4.0.第一版。工业中。137年,106004年。doi: 10.1016 / j.cie.2019.106004
Kanko, r . M。,Laende, E. K., Davis, E. M., Selbie, W. S., and Deluzio, K. J. (2021). Concurrent assessment of gait kinematics using marker-based and markerless motion capture.j .生物力学127年,110665年。doi: 10.1016 / j.jbiomech.2021.110665
Karg, M。,Samadani, A.-A., Gorbet, R., Kuhnlenz, K., Hoey, J., and Kulić, D. (2013). Body movements for affective expression: A survey of automatic recognition and generation.IEEE反式。影响。第一版。4,341 - 359。doi: 10.1109 / t-affc.2013.29
Karhu, O。,Kansi, P., and Kuorinka, I. (1977). Correcting working postures in industry: A practical method for analysis.达成。尔刚。8,199 - 201。0003 - 6870 . doi: 10.1016 / (77) 90164 - 8
片,M。,Hasuura, H. (2003). “Optimization principle determines human arm postures and comfort,” in学报年度会议计划和抽象马夫一年一度会议,日本福井县(日本东京:仪表和控制的社会工程师马夫),47岁。
凯,D。,Karwowski, W. (2001). Luba: An assessment technique for postural loading on the upper body based on joint motion discomfort and maximum holding time.达成。尔刚。32岁,357 - 366。doi: 10.1016 / s0003 - 6870 (01) 00006 - 0
Kemmlert, k (1995)。一个方法识别人体工程学hazards-Plibel分配。达成。尔刚。26日,199 - 211。0003 - 6870 . doi: 10.1016 / (95) 00022 - 5
Keyserling, W。这,M。,Silverstein, B. (1992). A checklist for evaluating ergonomic risk factors resulting from awkward postures of the legs, trunk and neck.Int。j .工业工程学9日,283 - 301。0169 - 8141 . doi: 10.1016 / (92) 90062 - 5
金,W。,Garate, V. R., Gandarias, J. M., Lorenzini, M., and Ajoudani, A. (2021a). A directional vibrotactile feedback interface for ergonomic postural adjustment.IEEE反式。触觉1,200 - 211。doi: 10.1109 / toh.2021.3112795
金,W。,Lee, J., Peternel, L., Tsagarakis, N., and Ajoudani, A. (2018a). Anticipatory robot assistance for the prevention of human static joint overloading in human–robot collaboration.IEEE机器人。奥特曼。列托人。3,68 - 75。doi: 10.1109 / lra.2017.2729666
金,W。,洛伦西尼,M。Balatti, P。,Nguyen, P. D., Pattacini, U., Tikhanoff, V., et al. (2019). Adaptable workstations for human-robot collaboration: A reconfigurable framework for improving worker ergonomics and productivity.IEEE机器人。奥特曼。玛格。26日,14日至26日。doi: 10.1109 / mra.2018.2890460
金,W。,洛伦西尼,M。,Kapıcıoğlu, K., and Ajoudani, A. (2018b). Ergotac: A tactile feedback interface for improving human ergonomics in workplaces.IEEE机器人。奥特曼。列托人。3,4179 - 4186。doi: 10.1109 / lra.2018.2864356
金,W。,Peternel, L。,洛伦西尼,M。Babič,J。,Ajoudani, A. (2021b). A human-robot collaboration framework for improving ergonomics during dexterous operation of power tools.机器人电脑一体机Manuf。68年,102084年。doi: 10.1016 / j.rcim.2020.102084
金,W。,Sung, J., Saakes, D., Huang, C., and Xiong, S. (2021c). Ergonomic postural assessment using a new open-source human pose estimation technology (OpenPose).Int。j .工业工程学84年,103164年。doi: 10.1016 / j.ergon.2021.103164
Kleinsmith,。,Bianchi-Berthouze, N. (2013). Affective body expression perception and recognition: A survey.IEEE反式。影响。第一版。4,15-33。doi: 10.1109 / t-affc.2012.16
Klussmann,。利,F。,Gebhardt, H., Rieger, M. A., Latza, U., and Steinberg, U. (2017). Risk assessment of manual handling operations at work with the key indicator method (kim-mho)—Determination of criterion validity regarding the prevalence of musculoskeletal symptoms and clinical conditions within a cross-sectional study.BMC Musculoskelet。Disord。18 (1),1-13。doi: 10.1186 / s12891 - 017 - 1542 - 0
Kolus,。,Wells, R., and Neumann, P. (2018). Production quality and human factors engineering: A systematic review and theoretical framework.达成。尔刚。73年,55 - 89。doi: 10.1016 / j.apergo.2018.05.010
Krupke D。,Steinicke, F., Lubos, P., Jonetzko, Y., Görner, M., and Zhang, J. (2018). “Comparison of multimodal heading and pointing gestures for co-located mixed reality human-robot interaction,” in学报智能机器人和系统国际会议(——),马德里,西班牙(IEEE),1 - 9。
Kubicek B。,Paškvan, M., Prem, R., Schöllbauer, J., Till, M., Cabrita, J., et al. (2019). Working conditions and workers’ health.技术。众议员Eurofound。
KulićD。,Croft, E. A. (2007b). Affective state estimation for human–robot interaction.IEEE反式。机器人。23日,991 - 1000。doi: 10.1109 / TRO.2007.904899
KulićD。,Croft, E. (2005). “Anxiety detection during human-robot interaction,” in学报》国际会议(——智能机器人和系统,加拿大亚伯达省(IEEE)。
KulićD。,Croft, E. (2007a). Physiological and subjective responses to articulated robot motion.Robotica25日,13-27。doi: 10.1017 / s0263574706002955
Kumar D。,Rudolph, K., and Manal, K. (2012). Emg-driven modeling approach to muscle force and joint load estimations: Case study in knee osteoarthritis.j . .。Res。377 - 383年。doi: 10.1002 / jor.21544
Kumar年代。,Savur, C., and Sahin, F. (2020). Survey of human–robot collaboration in industrial settings: Awareness, intelligence, and compliance.IEEE反式。系统。男人。Cybern。系统。51岁,280 - 297。doi: 10.1109 / tsmc.2020.3041231
Kuorinka,我。,Jonsson, B., Kilbom, A., Vinterberg, H., Biering-Sørensen, F., Andersson, G., et al. (1987). Standardised nordic questionnaires for the analysis of musculoskeletal symptoms.达成。尔刚。18日,233 - 237。0003 - 6870 . doi: 10.1016 / (87) 90010 - x
今天,K。,Resch B。Sagl, G。,Petutschnig, A., Werner, C., Niederseer, D., et al. (2019). Detecting moments of stress from measurements of wearable physiological sensors.传感器19日,3805年。doi: 10.3390 / s19173805
Lagomarsino, M。洛伦西尼,M。Balatti, P。De Momi E。,Ajoudani, A. (2022a). Pick the right Co-worker: Online assessment of cognitive ergonomics in human-robot collaborative assembly.IEEE反式。Cogn。开发系统。1。doi: 10.1109 / tcds.2022.3182811
Lagomarsino, M。洛伦西尼,M。De Momi E。,Ajoudani, A. (2022b). An online framework for cognitive load assessment in industrial tasks.机器人电脑一体机Manuf。78年,102380年。doi: 10.1016 / j.rcim.2022.102380
Lagomarsino, M。洛伦西尼,M。De Momi E。,Ajoudani, A. (2022c). “Robot trajectory adaptation to optimise the trade-off between human cognitive ergonomics and workplace productivity in collaborative tasks,” in学报智能机器人和系统国际会议(——),日本京都(IEEE)。
Lambrechts, W。,Klaver, J. S., Koudijzer, L., and Semeijn, J. (2021). Human factors influencing the implementation of cobots in high volume distribution centres.物流5、32。doi: 10.3390 / logistics5020032
拉蒙,E。,De Franco, A., Peternel, L., and Ajoudani, A. (2019). A capability-aware role allocation approach to industrial assembly tasks.IEEE机器人。奥特曼。列托人。4,3378 - 3385。doi: 10.1109 / lra.2019.2926963
蓝迪,c . T。,同时,V。,Ferraguti F。,Sabattini, L., Secchi, C., and Fantuzzi, C. (2018). Relieving operators’ workload: Towards affective robotics in industrial scenarios.机电一体化54岁,144 - 154。doi: 10.1016 / j.mechatronics.2018.07.012
拉泰拉,C。,Traversaro, S., Ferigo, D., Tirupachuri, Y., Rapetti, L., Andrade Chavez, F. J., et al. (2019). Simultaneous floating-base estimation of human kinematics and joint torques.传感器19日,2794年。doi: 10.3390 / s19122794
Laudante E。希腊,。,Caterino, M., and Fera, M. (2020). Human–robot interaction for improving fuselage assembly tasks: A case study.达成。科学。10日,5757年。doi: 10.3390 / app10175757
Leppink, J。Paas, F。,der Vleuten, C. P. M. V., Gog, T. V., and Merriënboer, J. J. G. V. (2013). Development of an instrument for measuring different types of cognitive load.Behav。研究方法45岁,1058 - 1072。doi: 10.3758 / s13428 - 013 - 0334 - 1
李,G。,Buckle, P. (1998). A practical method for the assessment of work-related musculoskeletal risks - quick exposure check (QEC).Proc,哼。人体工程学Soc的因素。为基础。见面。42岁,1351 - 1355。doi: 10.1177 / 154193129804201905
李,G。,Buckle, P. (1999). Current techniques for assessing physical exposure to work-related musculoskeletal risks, with emphasis on posture-based methods.人体工程学42岁,674 - 695。doi: 10.1080 / 001401399185388
Liau Y Y。,Ryu, K. (2020). Task allocation in human-robot collaboration (hrc) based on task characteristics and agent capability for mold assembly.Procedia Manuf。51岁,179 - 186。doi: 10.1016 / j.promfg.2020.10.026
Lietaert, P。Billen, N。,Burggraeve, S. (2019). “Model-based multi-attribute collaborative production cell layout optimization,” in国际会议在机电一体化的研究和教育学报》(REM),六须鲇、奥地利(IEEE),1 - 7。
刘,H。,Wang, L. (2020). Remote human–robot collaboration: A cyber–physical system application for hazard manufacturing environment.j . Manuf系统。54岁的24到34。doi: 10.1016 / j.jmsy.2019.11.001
劳埃德·d·G。,Besier, T. F. (2003). An emg-driven musculoskeletal model to estimate muscle forces and knee joint moments在活的有机体内。j .生物力学36岁,765 - 776。doi: 10.1016 / s0021 - 9290 (03) 00010 - 1
Lopez-Nava, i . H。,Angelica, M. M. (2016). Wearable inertial sensors for human motion analysis: A review.IEEE参议员J。16,7821 - 7834。doi: 10.1109 / jsen.2016.2609392
洛伦西尼,M。金,W。,Ajoudani, A. (2022). An online multi-index approach to human ergonomics assessment in the workplace.IEEE反式。嗡嗡声。马赫。系统。,1 - 12。doi: 10.1109 / thms.2021.3133807
洛伦西尼,M。金,W。,De Momi, E., and Ajoudani, A. (2019). “A new overloading fatigue model for ergonomic risk assessment with application to human-robot collaboration,” in机器人与自动化国际会议上学报》)举行(“国际机器人与自动化会议”,加拿大蒙特利尔(IEEE),1962 - 1968。
洛伦西尼,M。金,W。,De Momi, E., and Ajoudani, A. (2018). A synergistic approach to the real-time estimation of the feet ground reaction forces and centers of pressure in humans with application to human–robot collaboration.IEEE机器人。奥特曼。列托人。3,3654 - 3661。doi: 10.1109 / lra.2018.2855802
妈,L。,Chablat, D., Bennis, F., and Zhang, W. (2009). A new simple dynamic muscle fatigue model and its validation.Int。j .工业工程学39岁,211 - 220。doi: 10.1016 / j.ergon.2008.04.004
Mainprice, J。Gharbi, M。、西缅、T。,Alami, R. (2012). “Sharing effort in planning human-robot handover tasks,” in学报》国际会议上机器人和人类互动交流(RO-MAN),法国巴黎(IEEE),764 - 770。
Mainprice, J。,Sisbot,大肠。Jaillet, L。议会,J。Alami, R。,Siméon, T. (2011). “Planning human-aware motions using a sampling-based costmap planner,” in机器人与自动化国际会议上学报》)举行(“国际机器人与自动化会议”,中国上海(IEEE),5012 - 5017。
问题,一个。,莫里斯,P。可乐,F。,Ivaldi, S. (2019). Activity recognition for ergonomics assessment of industrial tasks with automatic feature selection.IEEE机器人。奥特曼。列托人。4,1132 - 1139。doi: 10.1109 / lra.2019.2894389
Manal, K。,Gonzalez, R. V., Lloyd, D. G., and Buchanan, T. S. (2002). A real-time emg-driven virtual arm.第一版。医学杂志。地中海。32岁的技能。doi: 10.1016 / s0010 - 4825 (01) 00024 - 5
Manal, K。,Gravare-Silbernagel, K., and Buchanan, T. S. (2012). A real-time emg-driven musculoskeletal model of the ankle.多体系统。直流发电机。28日,169 - 180。doi: 10.1007 / s11044 - 011 - 9285 - 4
马林,a·G。,Shourijeh, M. S., Galibarov, P. E., Damsgaard, M., Fritzsch, L., and Stulp, F. (2018). “Optimizing contextual ergonomics models in human-robot interaction,” in学报》国际会议(——智能机器人和系统,马德里,西班牙(IEEE),1 - 9。
马林,J。,马林,J。J。(2021). Forces: A motion capture-based ergonomic method for the today’s world.传感器21日,5139年。doi: 10.3390 / s21155139
Mateus, j . C。Claeys D。Limere, V。Cottyn, J。,Aghezzaf, E.-H. (2019). A structured methodology for the design of a human-robot collaborative assembly workplace.Int。j .放置Manuf抛光工艺。102年,2663 - 2681。doi: 10.1007 / s00170 - 019 - 03356 - 3
莫里斯,P。,Malaisé, A., Amiot, C., Paris, N., Richard, G.-J., Rochel, O., et al. (2019). Human movement and ergonomics: An industry-oriented dataset for collaborative robotics.Int。j .抢劫。Res。38岁,1529 - 1537。doi: 10.1177 / 0278364919882089
莫里斯,P。,Padois, V., Measson, Y., and Bidaud, P. (2017). Human-oriented design of collaborative robots.Int。j .工业工程学57岁,88 - 102。doi: 10.1016 / j.ergon.2016.11.011
麦卡L。,Corlett e . N。(1993). Rula: A survey method for the investigation of work-related upper limb disorders.达成。尔刚。24岁,91 - 99。0003 - 6870 . doi: 10.1016 / (93) 90080
Menolotto, M。,Komaris, D.-S., Tedesco, S., O’Flynn, B., and Walsh, M. (2020). Motion capture technology in industrial applications: A systematic review.传感器20日,5687年。doi: 10.3390 / s20195687
梅洛,E。,拉蒙,E。,Fusaro F。,洛伦西尼,M。Carfi,。,Mastrogiovanni, F., et al. (2021).人与机器的动态角色分配基于人类工效学风险预测和适应机器人操作。arXiv预印本arXiv: 2111.03630。
Messeri C。,Masotti, G., Zanchettin, A. M., and Rocco, P. (2021). Human-robot collaboration: Optimizing stress and productivity based on game theory.IEEE机器人。奥特曼。列托人。6,8061 - 8068。doi: 10.1109 / lra.2021.3102309
迈耶,a . J。彭定康,C。,Fregly, B. J. (2017). Lower extremity emg-driven modeling of walking with automated adjustment of musculoskeletal geometry.《公共科学图书馆•综合》12,e0179698。doi: 10.1371 / journal.pone.0179698
Michalos G。,Spiliotopoulos, J., Makris, S., and Chryssolouris, G. (2018). A method for planning human robot shared tasks.CIRP j . Manuf。科学。抛光工艺。22日,76 - 90。doi: 10.1016 / j.cirpj.2018.05.003
Mientjes, m . I。诺曼,R。,水井,R。,McGill, S. (1999). Assessment of an emg-based method for continuous estimates of low back compression during asymmetrical occupational tasks.人体工程学42岁,868 - 879。doi: 10.1080 / 001401399185342
Mijović,P。Ković,V。,De Vos, M., Mačužić, I., Todorović, P., Jeremić, B., et al. (2017). Towards continuous and real-time attention monitoring at work: Reaction time versus brain response.人体工程学241 - 254。doi: 10.1080 / 00140139.2016.1142121
米勒德,M。,Uchida, T., Seth, A., and Delp, S. (2013). Flexing computational muscle: Modeling and simulation of musculotendon dynamics.j . >。Eng。135年,021005年。doi: 10.1115/1.4023390
Monnington, S。Quarrie C。花生米,。,Morris, L. (2003). Development of manual handling assessment charts (MAC) for health and safety inspectors.一栏。尔刚。,3 - 8。
Mundermann, L。、Corazza年代。,Andriacchi, T. P. (2006). The evolution of methods for the capture of human movement leading to markerless motion capture for biomechanical applications.j . Neuroeng。Rehabil。3、6。doi: 10.1186 / 1743-0003-3-6
井,。,Kurosaki, K., Yamane, K., and Nakamura, Y. (2010). Musculoskeletal-see-through mirror: Computational modeling and algorithm for whole-body muscle activity visualization in real time.掠夺。生物物理学摩尔。杂志。103年,310 - 317。doi: 10.1016 / j.pbiomolbio.2010.09.006
Muzaffar, S。,Elfadel, I. A. M. (2020). Shoe-integrated, force sensor design for continuous body weight monitoring.传感器20日,3339年。doi: 10.3390 / s20123339
Nagymate G。,Kiss, R. M. (2018). Application of OptiTrack motion capture systems in human movement analysis.RIiM。5,1 - 9。doi: 10.17667 / riim.2018.1/13
奈史密斯,l . M。,Cheung, J. J. H., Ringsted, C., and Cavalcanti, R. B. (2015). Limitations of subjective cognitive load measures in simulation-based procedural training.地中海,建造。49岁,805 - 814。doi: 10.1111 / medu.12732
中村,Y。Yamane, K。藤田,Y。,Suzuki, I. (2005). Somatosensory computation for man-machine interface from motion-capture data and musculoskeletal human model.IEEE反式。机器人。21日,58 - 66。doi: 10.1109 / tro.2004.833798
Nicora, m . L。安德烈·E。,Berkmans, D., Carissoli, C., D’Orazio, T., Fave, A. D., et al. (2021).一个人为控制架构在机器人协作场景中促进良好的心理健康。IEEE,285 - 291。doi: 10.1109 / RO-MAN50785.2021.9515315
Niemann F。,Reining, C., Rueda, F. M., Nair, N. R., Steffens, J. A., Fink, G. A., et al. (2020). LARa: Creating a dataset for human activity recognition in logistics using semantic attributes.传感器20日,4083年。doi: 10.3390 / s20154083
Nikooyan,。Veeger, H。,Westerhoff, P., Bolsterlee, B., Graichen, F., Bergmann, G., et al. (2012). An emg-driven musculoskeletal model of the shoulder.嗡嗡声。Mov。科学。31日,429 - 447。doi: 10.1016 / j.humov.2011.08.006
诺瓦克,D。,Mihelj, M., and Munih, M. (2011). Psychophysiological responses to different levels of cognitive and physical workload in haptic interaction.Robotica29日,367 - 374。doi: 10.1017 / s0263574710000184
Paas, F。,Tuovinen, J. E., Tabbers, H., and Gerven, P. W. M. V. (2003). Cognitive load measurement as a means to advance cognitive load theory.建造。Psychol。38岁,63 - 71。doi: 10.1207 / s15326985ep3801_8
Palomba,我。,Gualtieri, L。罗哈斯,R。劳赫E。,Vidoni, R., and Ghedin, A. (2021). Mechatronic re-design of a manual assembly workstation into a collaborative one for wire harness assemblies.机器人10日,43岁。doi: 10.3390 / robotics10010043
Parastegari, S。,Abbasi B。Noohi E。,Zefran, M. (2017). “Modeling human reaching phase in human-human object handover with application in robot-human handover,” in学报智能机器人和系统国际会议(——),加拿大温哥华(IEEE),3597 - 3602。
公园,J。,Heo, P., Kim, J., and Na, Y. (2019). A finger grip force sensor with an open-pad structure for glove-type assistive devices.传感器20日,4。doi: 10.3390 / s20010004
帕斯卡,s。,Naqvi, S. (2008). An investigation of ergonomics analysis tools used in industry in the identification of work-related musculoskeletal disorders.Int。j . Occup。Saf。人体工程学14日,237 - 245。doi: 10.1080 / 10803548.2008.11076755
Patrizi,。,Pennestrì, E., and Valentini, P. P. (2016). Comparison between low-cost marker-less and high-end marker-based motion capture systems for the computer-aided assessment of working ergonomics.人体工程学59岁,155 - 162。doi: 10.1080 / 00140139.2015.1057238
加索尔,j·W。,Xie, S. S., and Pullan, A. J. (2012). Neuromuscular interfacing: Establishing an emg-driven model for the human elbow joint.IEEE反式。生物医学。Eng。59岁,2586 - 2593。doi: 10.1109 / tbme.2012.2206389
皮尔斯,M。,Mutlu, B., Shah, J., and Radwin, R. (2018). Optimizing makespan and ergonomics in integrating collaborative robots into manufacturing processes.IEEE反式。奥特曼。科学。Eng。15日,1772 - 1784。doi: 10.1109 / tase.2018.2789820
Peruzzini, M。,Pellicciari, M., and Gadaleta, M. (2019). A comparative study on computer-integrated set-ups to design human-centred manufacturing systems.机器人电脑一体机Manuf。55岁,265 - 278。doi: 10.1016 / j.rcim.2018.03.009
Peternel, L。方,C。,Tsagarakis, N., and Ajoudani, A. (2019). A selective muscle fatigue management approach to ergonomic human-robot co-manipulation.机器人电脑一体机Manuf。今年58岁,69 - 79。doi: 10.1016 / j.rcim.2019.01.013
Peternel, L。,Tsagarakis, N., and Ajoudani, A. (2017). A human–robot co-manipulation approach based on human sensorimotor information.IEEE反式。神经系统。Rehabil。Eng。25日,811 - 822。doi: 10.1109 / tnsre.2017.2694553
Peternel, L。,Tsagarakis, N., Caldwell, D., and Ajoudani, A. (2018). Robot adaptation to human physical fatigue in human–robot co-manipulation.Auton。机器人42岁,1011 - 1021。doi: 10.1007 / s10514 - 017 - 9678 - 1
Plantard, P。Shum, H。,Le Pierres, A., and Multon, F. (2017). Validation of an ergonomic assessment method using kinect data in real workplace conditions.达成。尔刚。65年,562 - 569。doi: 10.1016 / j.apergo.2016.10.015
Poh安茂忠编。,Swenson, N. C., and Picard, R. W. (2010). A wearable sensor for unobtrusive, long-term assessment of electrodermal activity.IEEE反式。生物医学。Eng。57岁,1243 - 1252。doi: 10.1109 / tbme.2009.2038487
Puthenveetil, S。,Daphalapurkar, C., Zhu, W., Leu, M., Liu, X., Gilpin-Mcminn, J., et al. (2015). Computer-automated ergonomic analysis based on motion capture and assembly simulation.虚拟现实。19日,119 - 128。doi: 10.1007 / s10055 - 015 - 0261 - 9
Rajavenkatanarayanan,。Nambiappan, h·R。Kyrarini, M。,Makedon, F. (2020). “Towards a real-time cognitive load assessment system for industrial human-robot cooperation,” in学报》国际会议上机器人和人类互动交流(RO-MAN),那不勒斯意大利(IEEE),698 - 705。
Ranavolo,。,Draicchio, F., Varrecchia, T., Silvetti, A., and Iavicoli, S. (2018). Wearable monitoring devices for biomechanical risk assessment at work: Current status and future challenges—A systematic review.Int。j .包围。公共卫生》15日,2001年。doi: 10.3390 / ijerph15092001
Rapetti, L。,Tirupachuri, Y., Nava, G., Latella, C., Darvish, K., and Pucci, D. (2019). “Partner-aware humanoid robot control: From robot-robot collaboration to human-robot collaboration and ergonomy control,” in学报智能机器人和系统国际会议(——),澳门,中国(纽约:IEEE)。人体工程学进展研讨会物理人机交互。
雷,S。,Teizer, J. (2012). Real-time construction worker posture analysis for ergonomics training.放置Eng。正无穷。26日,439 - 455。doi: 10.1016 / j.aei.2012.02.011
里德,g B。,Nygren, T. E. (1988). The subjective workload assessment technique: A scaling procedure for measuring mental workload.放置Psychol。52岁,185 - 218。doi: 10.1016 / s0166 - 4115 (08) 62387 - 0
罗哈斯,r。,Garcia, M. A. R., Gualtieri, L., Wehrle, E., Rauch, E., and Vidoni, R. (2021). “Automatic planning of psychologically less-stressful trajectories in collaborative workstations: An integrated toolbox for unskilled users,” in学报》研讨会上机器人设计、动力学和控制,日本札幌(施普林格),118 - 126。
罗哈斯,r。,Garcia, M. A. R., Wehrle, E., and Vidoni, R. (2019). A variational approach to minimum-jerk trajectories for psychological safety in collaborative assembly stations.IEEE机器人。奥特曼。列托人。4,823 - 829。doi: 10.1109 / lra.2019.2893018
罗伊,T。,Marwala, T., and Chakraverty, S. (2020). Advancements and role of emotion recognition in the 4th industrial revolution.破坏性的第四工业Revolut。收。电工实习。Eng。674年,179 - 203。
卢比奥,S。,Diaz, E., Martin, J., and Puente, J. M. (2004). Evaluation of subjective mental workload: A comparison of SWAT, NASA-TLX, and workload profile methods.达成。Psychol。53岁,61 - 86。doi: 10.1111 / j.1464-0597.2004.00161.x
Sartori, M。,Reggiani, M., Farina, D., and Lloyd, D. G. (2012). Emg-driven forward-dynamic estimation of muscle force and joint moment about multiple degrees of freedom in the human lower extremity.《公共科学图书馆•综合》7,e52618。doi: 10.1371 / journal.pone.0052618
肖布,K。,Caragnano, G., Britzke, B., and Bruder, R. (2013). The European assembly worksheet.定理。人体工程学科学问题。14日,616 - 639。doi: 10.1080 / 1463922 x.2012.678283
Setz C。,Arnrich, B., Schumm, J., Marca, R. L., Tröster, G., and Ehlert, U. (2010). Discriminating stress from cognitive load using a wearable EDA device.IEEE反式。正,抛光工艺。生物医学。14日,410 - 417。doi: 10.1109 / titb.2009.2036164
Sgarbossa F。,Grosse, E. H., Neumann, W. P., Battini, D., and Glock, C. H. (2020). Human factors in production and logistics systems of the future.为基础。启控制49岁,295 - 305。doi: 10.1016 / j.arcontrol.2020.04.007
Shackel B。,Chidsey, K., and Shipley, P. (1969). The assessment of chair comfort.人体工程学12日,269 - 306。doi: 10.1080 / 00140136908931053
Shafti,。,Ataka, A., Lazpita, B. U., Shiva, A., Wurdemann, H. A., and Althoefer, K. (2019). “Real-time robot-assisted ergonomics,” in机器人与自动化国际会议上学报》)举行(“国际机器人与自动化会议”,加拿大蒙特利尔(IEEE),1975 - 1981。
谢赫,我。金,Y。,Jayaram, S., Jayaram, U., and Choi, H. (2003). “Integration of immersive environment and rula for real-time study of workplace related musculoskeletal disorders in the upper limb,” in学报》国际设计工程技术会议和计算机和信息工程会议,芝加哥,伊利诺斯州,美国,1163 - 1171。
Shikdar, A。,Hadhrami, M. A. A. (2007). Smart workstation design: An ergonomics and methods engineering approach.Int。j .工业系统。Eng。2、363。doi: 10.1504 / ijise.2007.013184
Sisbot,大肠。,Alami, R. (2012). A human-aware manipulation planner.IEEE反式。机器人。28日,1045 - 1057。doi: 10.1109 / tro.2012.2196303
斯努克,S。,Ciriello, V. (1991). The design of manual handling tasks: Revised tables of maximum acceptable weights and forces.人体工程学34岁,1197 - 1213。doi: 10.1080 / 00140139108964855
所以,w . k . Y。,Wong, S. W. H., Mak, J. N., and Chan, R. H. M. (2017). An evaluation of mental workload with frontal EEG.《公共科学图书馆•综合》12,e0174949。doi: 10.1371 / journal.pone.0174949
索尼,M。,Naik, S. (2019). Critical factors for the successful implementation of industry 4.0: A review and future research direction.刺激计划。控制31日,799 - 815。doi: 10.1080 / 09537287.2019.1691278
索尼,M。,Naik, S. (2020). Industry 4.0 integration with socio-technical systems theory: A systematic review and proposed theoretical model.抛光工艺。Soc。61年,101248年。doi: 10.1016 / j.techsoc.2020.101248
斯坦伯格,(2012)。新工具在德国:前两个金的开发和设备(起重、持有和携带”和“拉动和推动”),这些方法的实际应用。工作41岁,3990 - 3996。doi: 10.3233 /磨破- 2012 - 0698 - 3990
史蒂文•摩尔J。,加戈,A。(1995). The strain index: A proposed method to analyze jobs for risk of distal upper extremity disorders.点。工业Hyg。Assoc。J。56岁,443 - 458。doi: 10.1080 / 15428119591016863
斯特罗伊夫,美国(1999年)。人类手臂的neuromusculoskeletal模型的阻抗特性即姿态控制。医学杂志。Cybern。81年,475 - 494。doi: 10.1007 / s004220050577
太阳,X。,Houssin, R., Renaud, J., and Gardoni, M. (2019). A review of methodologies for integrating human factors and ergonomics in engineering design.Int。j .刺激,Res。57岁,4961 - 4976。doi: 10.1080 / 00207543.2018.1492161
溶胀剂,J。,van Merrienboer, J. J. G., and Paas, F. G. W. C. (1998). Cognitive architecture and instructional design.建造。Psychol。牧师。10日,251 - 296。doi: 10.1023 /: 1022193728205
萨博,G。,Dobò, M. (2018). CERA, an integrated tool for ergonomic risk assessment.dtssehs。doi: 10.12783 / dtssehs / ise2018/33661
汤普森,e . r . (2007)。开发和验证一个国际的可靠的短小精悍的积极和消极影响进度(panas)。跨文化Psychol j。38岁,227 - 242。doi: 10.1177 / 0022022106297301
Thorvald, P。,Lindblom, J., and Andreasson, R. (2019). On the development of a method for cognitive load assessment in manufacturing.机器人电脑一体机Manuf。59岁,252 - 266。doi: 10.1016 / j.rcim.2019.04.012
Van de Perre G。El Makrini,我。阿克,B。Saldien, J。范盖拉,C。,Pintelon, L., et al. (2018). “Improving productivity and worker conditions in assembly part 1: A collaborative architecture and task allocation framework,” in——机器人研讨会同事4.0:人类安全和舒适人机互动的社会环境,马德里,西班牙(IEEE)。
van der发现,a·J。,Frings-Dresen, M. (1998). Assessment of mechanical exposure in ergonomic epidemiology.Occup。环绕。地中海。55岁,291 - 299。doi: 10.1136 / oem.55.5.291
van der Spaa, L。基恩戈尔,M。贝茨,T。,Kober, J. (2020). “Predicting and optimizing ergonomics in physical human-robot cooperation tasks,” in机器人与自动化国际会议上学报》)举行(“国际机器人与自动化会议”,法国巴黎(IEEE),1799 - 1805。
文图拉,L。,洛伦西尼,M。金,W。,Ajoudani, A. (2021). A flexible robotics-inspired computational model of compressive loading on the human spine.IEEE机器人。奥特曼。列托人。6,8229 - 8236。doi: 10.1109 / lra.2021.3100936
Vidullch, m·A。病房,g F。,Schueren, J. (1991). Using the subjective workload dominance (SWORD) technique for projective workload assessment.嗡嗡声。因素33岁,677 - 691。doi: 10.1177 / 001872089103300605
Vignais, N。,Miezal, M., Bleser, G., Mura, K., Gorecky, D., and Marin, F. (2013). Innovative system for real-time ergonomic feedback in industrial manufacturing.达成。尔刚。44岁,566 - 574。doi: 10.1016 / j.apergo.2012.11.008
村,J。,Frazer, M., Cohen, M., Leyland, A., Park, I., and Yassi, A. (2005). Electromyography as a measure of peak and cumulative workload in intermediate care and its relationship to musculoskeletal injury: An exploratory ergonomic study.达成。尔刚。36岁,609 - 618。doi: 10.1016 / j.apergo.2005.01.019
同时,V。,Capelli, B., Secchi, C., Fantuzzi, C., and Sabattini, L. (2020). Humans interacting with multi-robot systems: A natural affect-based approach.Auton。机器人44岁,601 - 616。doi: 10.1007 / s10514 - 019 - 09889 - 6
同时,V。扎,F。,Leali, F., and Secchi, C. (2018a). Survey on human–robot collaboration in industrial settings: Safety, intuitive interfaces and applications.机电一体化55岁,248 - 266。doi: 10.1016 / j.mechatronics.2018.02.009
同时,V。,Sabattini, L., Secchi, C., and Fantuzzi, C. (2018b). “A framework for affect-based natural human-robot interaction,” in学报》国际会议上机器人和人类互动交流(RO-MAN),中国南京和泰安:(IEEE),10。
水域,t·R。,Putz-Anderson, V., Garg, A., and Fine, L. J. (1993). Revised niosh equation for the design and evaluation of manual lifting tasks.人体工程学36岁,749 - 776。doi: 10.1080 / 00140139308967940
Westgaard, R。,温克尔,J。(1996). Guidelines for occupational musculoskeletal load as a basis for intervention: A critical review.达成。尔刚。27日,79 - 88。0003 - 6870 . doi: 10.1016 / (95) 00062 - 3
Wiktorin C。,Karlqvist, L., Winkel, J., and Group, S. M. I. S. (1993). Validity of self-reported exposures to work postures and manual materials handling.Scand。j .工作,208 - 214。
温克尔,J。,Mathiassen, S. E. (1994). Assessment of physical work load in epidemiologic studies: Concepts, issues and operational considerations.人体工程学37岁,979 - 988。doi: 10.1080 / 00140139408963711
吴X。,Li, Z. (2013). “Secondary task method for workload measurement in alarm monitoring and identification tasks,” in跨文化设计。方法、实践和案例研究,柏林,德国(施普林格),346 - 354。
Wurhofer D。,Meneweger, T., Fuchsberger, V., and Tscheligi, M. (2015). “Deploying robots in a production environment: A study on temporal transitions of workers’ experiences,” in人机交互,交互学报》上,班贝克,德国(施普林格国际出版),203 - 220。
谢,B。,Salvendy, G. (2000). Prediction of mental workload in single and multiple tasks environments.Int。j .认知工效学4,213 - 242。doi: 10.1207 / s15327566ijce0403_3
Yahya, M。,Shah, J. A., Kadir, K. A., Yusof, Z. M., Khan, S., and Warsi, A. (2019). Motion capture sensing techniques used in human upper limb motion: A review.参议员牧师。39岁,504 - 511。doi: 10.1108 / sr - 10 - 2018 - 0270
杨。,Yin, Z., Wang, Y., Zhang, W., Wang, Y., and Zhang, J. (2019). Assessing cognitive mental workload via EEG signals and an ensemble deep learning classifier based on denoising autoencoders.第一版。医学杂志。地中海。109年,159 - 170。doi: 10.1016 / j.compbiomed.2019.04.034
阴,B。,Chen, F., Ruiz, N., and Ambikairajah, E. (2008). “Speech-based cognitive load monitoring system,” in学报》国际会议音响、演讲和信号处理(ICASSP),美国内华达州拉斯维加斯(IEEE),2041 - 2044。
Zacharaki,。,Kostavelis, I., Gasteratos, A., and Dokas, I. (2020). Safety bounds in human robot interaction: A survey.Saf。科学。127年,104667年。doi: 10.1016 / j.ssci.2020.104667
撒迦利亚,F。,Schlette, C., Schmidt, F., Borst, C., Rossmann, J., and Hirzinger, G. (2011). “Making planned paths look more human-like in humanoid robot manipulation planning,” in机器人与自动化国际会议上学报》)举行(“国际机器人与自动化会议”,中国上海(IEEE),1192 - 1198。
关键词:人机协作、人体工程学、人为因素、人机交互、协作机器人产业
引用:洛伦西尼M, Lagomarsino M, Fortini L,戈拉米和Ajoudani(2023)在行业中的人体工程学人机协作:一个回顾。前面。机器人。人工智能9:813907。doi: 10.3389 / frobt.2022.813907
收到:2021年11月12日;接受:2022年8月26日;
发表:2023年1月3日。
编辑:
艾琳·k·邱美国亚利桑那州立大学版权©2023洛伦西尼,Lagomarsino Fortini,戈拉米和Ajoudani。这是一个开放分布式根据文章知识共享归属许可(CC)。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。
*通信:玛尔塔洛伦西尼,marta.lorenzini@iit.it
__这些作者贡献了同样的工作