張文鏑 周詩婕 金海亮 焦璇

（北京新能源股份有限公司，北京100176）

0 引言

隨著人機智能系統(tǒng)的不斷發(fā)展，機器自主水平也在不斷提高。在人工智能時代，基于智能系統(tǒng)的機器正逐漸從支持人類操作的輔助工具發(fā)展成為具有一定認(rèn)知能力、獨立執(zhí)行、自適應(yīng)能力的自主化智能體[1]。理想情況下，人和機器的結(jié)合應(yīng)該產(chǎn)生一個高效的團(tuán)隊，可以成功地提高團(tuán)隊績效，并避免成為單一決策錯誤的制造者[2]。越來越多的機器人系統(tǒng)與產(chǎn)品深度融合到各個應(yīng)用領(lǐng)域，也對傳統(tǒng)機器人技術(shù)提出了更高要求，尤其是在如何與人更好地進(jìn)行交互和協(xié)同方面。人機智能技術(shù)則是人機智能系統(tǒng)實現(xiàn)目標(biāo)的理論與技術(shù)支撐，主要通過結(jié)合傳統(tǒng)機器人技術(shù)和人工智能技術(shù)，從系統(tǒng)建模、感知與交互、協(xié)同控制和人在環(huán)路（Man In the Loop,MIL）優(yōu)化方面提升機器人與人交互和協(xié)同的自然性、安全性和魯棒性。

目前，人機協(xié)同技術(shù)融合了機器人、視覺、網(wǎng)絡(luò)、數(shù)據(jù)采集、傳感器技術(shù)，主要集中在基于傳統(tǒng)機器人的建模研究，而關(guān)于人機合作的方式和研究進(jìn)展非常有限。對于一個運轉(zhuǎn)良好的自主支持系統(tǒng)設(shè)計，必須基于對人機團(tuán)隊在感知、認(rèn)知和決策過程中心理框架的深入分析[3]。人機協(xié)同核心技術(shù)挑戰(zhàn)是如何整合人類智能和機器智能，實現(xiàn)安全、自然和精準(zhǔn)人機交互，本文綜述了人機共駕中的人類工效學(xué)問題，強調(diào)創(chuàng)建一個能夠真正提高整個團(tuán)隊績效質(zhì)量的雙向整合系統(tǒng)的重要意義，旨在解決人機共駕實際場景中人機協(xié)作的不確定性和脆弱性問題。

1 人機共駕中的人類工效學(xué)問題

按照汽車智能化、自動化的發(fā)展進(jìn)程，國際自動機工程師學(xué)會（SAE International）將智能汽車的發(fā)展分為手動駕駛、駕駛輔助、部分自動化、有條件自動化、高度自動化和完全自動化6 個級別[3]，如圖1所示。

圖1 汽車智能化發(fā)展進(jìn)程[3]

但是，由于目前的技術(shù)交通環(huán)境、公眾接受程度等因素，完全自動駕駛技術(shù)（L5級）何時能投入使用仍處于未知狀態(tài)[4]。在未來相當(dāng)長一段時間內(nèi)，智能自主系統(tǒng)人機共駕的狀態(tài)將成為常態(tài)。因此，在實現(xiàn)全域無人駕駛之前，產(chǎn)業(yè)界和學(xué)術(shù)界正努力研究駕駛員在環(huán)的智能系統(tǒng)，不再把自動駕駛汽車視為一種“工具”，而是一個“隊友”，充分發(fā)揮人類和自動駕駛汽車雙方的優(yōu)勢合作完成駕駛?cè)蝿?wù)。

使用自主系統(tǒng)可能會提高智能汽車的整體能力，但也可能帶來一些困難和挑戰(zhàn)，即任何智能車輛的自動駕駛算法都不能完全取代人類[5]。當(dāng)面臨一些復(fù)雜的工況或緊急情況時，系統(tǒng)會發(fā)出接管請求，要求駕駛員接管車輛控制權(quán)。此時，駕駛決策需要在人類駕駛員和自動駕駛汽車之間安全、靈活地切換。因此，智能系統(tǒng)需要識別駕駛員的感知和意圖，從而達(dá)到駕駛決策的一致性，增強駕駛員的控制能力。這有助于引導(dǎo)駕駛員在面對突發(fā)事件時正確判斷環(huán)境狀況，進(jìn)而有效做出合理的接管決策。

因此，智能汽車要充分考慮自動駕駛系統(tǒng)中駕駛員須始終在環(huán)的因素，將人腦的作用引入到智能系統(tǒng)的算法回路中。人機協(xié)同的認(rèn)知決策一體化研究，確保了人始終是系統(tǒng)的一部分。對于智能系統(tǒng)給出的執(zhí)行結(jié)果，人始終會對結(jié)果做進(jìn)一步判斷，即人在環(huán)路協(xié)同優(yōu)化，解決在復(fù)雜駕駛場景中車輛控制的人機沖突問題。本文從梳理人機協(xié)同的關(guān)系入手，探索人機認(rèn)知與決策處理的差異，將人類信息處理的高級心理機制與智能自治系統(tǒng)的模糊問題緊密耦合，從而通過智能形式的混合增強形成雙向信息交換和設(shè)備控制，促進(jìn)人機組隊的合理分工和人與智能汽車的實時交互[6]。

1.1 人機協(xié)作發(fā)展進(jìn)程

人工智能技術(shù)的發(fā)展提高了機械的智能程度，智能技術(shù)及其自治特性推動了智能自治系統(tǒng)的變革。當(dāng)系統(tǒng)可以在一定程度上自主行動時，傳統(tǒng)的“刺激—反應(yīng)”的人機關(guān)系模式正在被改變，人機交互的時代正在向人機融合的時代發(fā)展[7]。自動化控制器正在控制復(fù)雜系統(tǒng)中取代人工干預(yù)，操作員的角色經(jīng)常從主動控制器轉(zhuǎn)變?yōu)楸O(jiān)督控制器，通過結(jié)合人類和機器各自的優(yōu)勢，實現(xiàn)自然、安全、魯棒的人機協(xié)同任務(wù)，形成“人機組隊”式協(xié)作關(guān)系。

人機協(xié)作的發(fā)展進(jìn)程可分為3個階段，如圖2所示。

（1）人機共生關(guān)系階段

20 世紀(jì)60 年代初，Licklide 首次提出了“人機共生”的觀點[8]，其中提到了在預(yù)期的共生伙伴關(guān)系中，人和計算機能夠合作做出決策和控制復(fù)雜情況。

（2）人機交互階段

20 世紀(jì)70 到80 年代，人與AI 的關(guān)系重點在于人機交互。1970 年成立了2 個人機交互研究中心，即HUSAT 研究中心和Palo Alto 研究中心。1982 年，ACM 人機交互學(xué)會（SIGCHI）成立。人機交互在多學(xué)科交叉融合下逐漸擁有了自己的理論體系。

（3）人機協(xié)作發(fā)展階段

20 世紀(jì)90 年代至今，人機協(xié)作進(jìn)入快速發(fā)展期，進(jìn)入到人機協(xié)作發(fā)展階段。2015 年Epstein 提出了協(xié)作智能（Collaborative Intelligence）概念，在人與計算機之間建立良好的協(xié)作關(guān)系，以共同實現(xiàn)人類目標(biāo)。

1.2 智能系統(tǒng)人機智能協(xié)同的新型人機關(guān)系

目前，L3 級別自動駕駛汽車正處于典型的人機共駕階段。不同于傳統(tǒng)駕駛過程，人機共駕包括廣義人機共駕和狹義人機共駕。廣義人機共駕包括感知層、決策層和控制層。狹義人機共駕指人和系統(tǒng)同時在環(huán)，駕駛員與智能系統(tǒng)操縱相互交叉、融合，具有雙在環(huán)和雙交叉的特點[9]。于是，出現(xiàn)了一種新的合作關(guān)系，即人機關(guān)系從最初的人機交互關(guān)系發(fā)展并演化為人機協(xié)作關(guān)系[10-11]。不同于作為駕駛輔助的自動化系統(tǒng)，智能自主系統(tǒng)可以成為與人類合作的“協(xié)作隊友”，分享任務(wù)和操控權(quán)，形成“人機組隊”式協(xié)作的新型人機關(guān)系[12]。從長遠(yuǎn)看，未來要實現(xiàn)人類和機器之間真正完全的共生關(guān)系，需要在機器中開發(fā)出真正類似人類特性的智能系統(tǒng)，將人的決策和經(jīng)驗與機器智能在邏輯推理、演繹推理方面的優(yōu)勢結(jié)合，使人機協(xié)作更高效，形成人機融合智能的概念框架（圖3）。

圖3 人機融合智能的概念框架[13]

智能系統(tǒng)認(rèn)知過程包含輸入、處理、輸出3 個階段：

（1）人感知來自機器和物理環(huán)境的刺激，機器識別到來自人和物理環(huán)境的數(shù)據(jù)。

（2）分別基于各自不同屬性進(jìn)行決策處理。

（3）最終生成的輸出物之間產(chǎn)生對話。

人和機器都是認(rèn)知主體，屬于人機雙智能，這種群體智能系統(tǒng)不僅涉及人、機器、物理環(huán)境，也包含了3者間相互影響的關(guān)系[13]。

在人機融合中，人和機器是合作關(guān)系。這種合作表現(xiàn)在以人腦為代表的生物智能（認(rèn)知加工能力）和以計算技術(shù)為代表的機器智能（人工智能）通過深度融合達(dá)到智能互補。人機交互與人機融合形成了一個連續(xù)體的兩端。隨著智能技術(shù)的發(fā)展，人機關(guān)系將繼續(xù)向人機融合端演化，各種具有不同智能程度的產(chǎn)品在這樣一個連續(xù)體內(nèi)共存。按照Hollnagel 和Woods 提出的理論，人機融合就是通過人和機器2 個認(rèn)知主體，互相依存和合作組成的協(xié)同認(rèn)知系統(tǒng)[14]。

1.3 人機一體化認(rèn)知決策模型

智能系統(tǒng)具有以下4項關(guān)鍵特征，包括情境感知、自適應(yīng)學(xué)習(xí)、自主決策及主動交互與協(xié)同[15]。當(dāng)人與具備這些特征的智能系統(tǒng)進(jìn)行交互時，這些特征將衍生出一些在傳統(tǒng)人機交互領(lǐng)域內(nèi)原本不存在的新興問題，包括人機協(xié)作任務(wù)分配、動態(tài)學(xué)習(xí)與修正、情境自適應(yīng)及主動響應(yīng)模式，也正是這些問題促進(jìn)人機交互向人機一體化協(xié)同轉(zhuǎn)變。人類傾向于在與智能機器的互動中應(yīng)用人類互動的規(guī)范，駕駛員已經(jīng)從主要的控制者的角色轉(zhuǎn)變?yōu)楣餐瓿扇蝿?wù)的積極隊友[16-17]。智能系統(tǒng)是通過智能匹配實現(xiàn)的人機協(xié)同操作狀態(tài)，實現(xiàn)安全、高效、友好操控。智能系統(tǒng)的認(rèn)知主體具有雙重智能，其協(xié)同感知來自于人機對象的復(fù)雜場景。智能系統(tǒng)結(jié)合各自的屬性完成雙向交互和混合決策，形成人機融合智能[18]。在模型開發(fā)方面，大多數(shù)現(xiàn)有模型采用生成式ACT-R（Adaptive Character of Thought-Rational）模型（圖4），用于模擬動態(tài)復(fù)雜多任務(wù)中人的績效，改進(jìn)了以往采用單一模型模擬結(jié)果[19-20]。ACT-R模型在駕駛場景中完成一種交互計算和情景推理，從感知交互的層面有目的地提高人機的相互理解和共享感知能力。對于車輛的執(zhí)行層面而言，人機協(xié)同也可以提高智能車輛在不確定動態(tài)環(huán)境下的響應(yīng)能力。

圖4 ACT-R認(rèn)知體系理論模型[20]

在實時變化的交通環(huán)境中，大多數(shù)駕駛決策需要在相當(dāng)短的時間內(nèi)做出。對于協(xié)同駕駛智能車輛，持續(xù)分析交通環(huán)境是實現(xiàn)駕駛自動化的核心技術(shù)之一，同時智能駕駛自動化系統(tǒng)應(yīng)具有準(zhǔn)確認(rèn)知和理性決策的能力。駕駛員在執(zhí)行駕駛決策時，遵循一定的認(rèn)知決策和情感偏好。因此，駕駛自動化系統(tǒng)需要理解駕駛員的認(rèn)知及心理過程，以便在環(huán)境的影響下與人類產(chǎn)生聯(lián)動效應(yīng)。當(dāng)前，人工智能計算技術(shù)的發(fā)展為認(rèn)知計算建模提供了良好機遇。研究可計算的人的心理績效模型可為智能系統(tǒng)提供實時的自適應(yīng)人機交互能力。研究智能系統(tǒng)產(chǎn)品的情感計算模型以及普適計算中的社會交互模型可以擴展現(xiàn)有模型中對認(rèn)知加工的深度和廣度。認(rèn)知模擬計算采用基于人的認(rèn)知模型計算方法，來定量地模擬計算人在操作任務(wù)條件下的認(rèn)知加工績效，為人類工效學(xué)在系統(tǒng)研發(fā)中提供一種評價和預(yù)測系統(tǒng)設(shè)計有效性的工具[21]。當(dāng)認(rèn)知模型與其他現(xiàn)有人類工效學(xué)模型（如人體測量和生物力學(xué)建模等）進(jìn)行整合時，將為一些復(fù)雜領(lǐng)域中（如自動駕駛）特殊的、具有操作風(fēng)險的任務(wù)和環(huán)境開展有效模擬仿真，從而為汽車智能系統(tǒng)設(shè)計的計算模擬提供人類工效學(xué)方案。

2 用于高級自動駕駛的智能系統(tǒng)

智能汽車人機協(xié)同智能系統(tǒng)由環(huán)境感知技術(shù)、智能決策技術(shù)和控制執(zhí)行技術(shù)3個層面構(gòu)成?；诔墒斓腁CT-R 認(rèn)知決策理論，結(jié)合智能車輛的關(guān)鍵過程，即感知、決策、控制[22]，從人機混合認(rèn)知、共享駕駛意圖、自主車輛控制權(quán)和個性化交互的角度探索人機合作的新范式，探討人機協(xié)同駕駛的具體內(nèi)容。

2.1 人機混合認(rèn)知

智能系統(tǒng)的人機協(xié)同體現(xiàn)在相互之間的即時溝通和更新共享信息。智能系統(tǒng)的環(huán)境感知通常由多種形式的分布式傳感器處理和合成，通常伴隨有先驗知識和智能模型。例如，機器通過計算屬性來完成表征和推理，而人類通過個性化的認(rèn)知框架來完成表征和推理過程。機器計算過程和人類認(rèn)知過程都存在一些程序性和描述性的不確定性。人類要正確處理信息，首先要正確接收人機界面的信息，然后通過人腦對信息進(jìn)行正確分析和判斷，最后通過人的行為對機器進(jìn)行正確操控，給機器輸入正確的信息。也就是說，通過人機界面可以實現(xiàn)正確的信息交換，從而減少誤判和誤操作概率，這可以顯著提高智能系統(tǒng)的可靠性和舒適性。

Chakraborti 等[23]認(rèn)為理解人在環(huán)路中的能力與認(rèn)知特性對于人機協(xié)同決策非常關(guān)鍵，并討論、促進(jìn)解決有效人機協(xié)同的人的心智模型相關(guān)問題，包括心理狀態(tài)表征以及可有效學(xué)習(xí)表征的方法及其可用性，如經(jīng)典的ACT-R 認(rèn)知加工模型為解釋人類認(rèn)知過程提供了一定的基本框架，它以描述性知識模塊為核心，類似于人腦，對目標(biāo)、視覺和動作模塊進(jìn)行整體處理。這些信息交互過程在一定規(guī)模上連續(xù)觸發(fā)，模擬了人腦的認(rèn)知活動。ACT-R 提示系統(tǒng)處理收到的各種任務(wù)，包括感知、學(xué)習(xí)、理解和記憶任務(wù)，即機器語言難以描述和學(xué)習(xí)的習(xí)慣和經(jīng)驗，甚至是類AI智能所需要的情感偏好，在更高的認(rèn)知層次上為腦機智能疊加（如學(xué)習(xí)、記憶）建立更有效的模型和算法，探索將人的決策和經(jīng)驗與機器智能在邏輯推理、演繹推理方面的優(yōu)勢結(jié)合，從而更好地與人類交流，促進(jìn)人機信任，進(jìn)而促進(jìn)人工智能框架對人類感知決策過程進(jìn)行解釋、模仿甚至預(yù)測[24]。

2.2 共享駕駛意圖

在實時變化的交通環(huán)境中，需要在相當(dāng)短的時間內(nèi)做出許多駕駛決策，任務(wù)依賴于對最新環(huán)境的持續(xù)分析。因此，獲得并保持良好的態(tài)勢感知是保證駕駛員對周圍環(huán)境有足夠認(rèn)識和理解的基礎(chǔ)，是動態(tài)系統(tǒng)中有效決策和控制的核心。文獻(xiàn)[25]指出，自動化系統(tǒng)可以提高態(tài)勢感知能力，為駕駛員提供更好的綜合信息。對于多成員團(tuán)隊，共享駕駛意圖產(chǎn)生于每個認(rèn)知主體的集合，即團(tuán)隊情境意識（Situation Awareness，SA）可以被認(rèn)為是每個團(tuán)隊成員對其職責(zé)所要求的團(tuán)隊情境意識程度。

因此，團(tuán)隊成員SA 質(zhì)量（作為一種知識狀態(tài)）可以用作團(tuán)隊意圖的指標(biāo)。對于團(tuán)隊創(chuàng)建情景應(yīng)用的方式，已經(jīng)提出了各種理論，包括共享情景意識和分布式情景意識[26]。Kitchin 等[27]初步研究表明，分布式SA在團(tuán)隊協(xié)作中的表現(xiàn)優(yōu)于共享SA，因為前者能發(fā)揮各認(rèn)知主體的優(yōu)勢和團(tuán)隊SA的質(zhì)量，并能注意兩個主體在操作和所需情境信息上的優(yōu)勢。因此，一些研究在人類操作者和自主認(rèn)知主體中提出了合作認(rèn)知系統(tǒng)的理論框架[16]。一些研究證明，人機協(xié)同智能系統(tǒng)的透明性對于人機團(tuán)隊的共享SA[28]非常重要，因為它可以使人類對機器的狀態(tài)和動作保持足夠關(guān)注。

人類生物智能和機器智能可以通過雙向交流和深度融合實現(xiàn)智能互補，通過對多通道人機交互中的信號實現(xiàn)有效融合的智能方法，以支持對于駕駛員駕駛意圖的準(zhǔn)確理解，從而有效支持人機合作[29-30]。此外，Chen等[31-32]開發(fā)了代理透明模型，這是一個促進(jìn)和校準(zhǔn)團(tuán)隊信任的有效工具，以促進(jìn)駕駛員對代理意圖、邏輯和預(yù)期結(jié)果的理解，從而規(guī)范駕駛員對代理的依賴。為此，Wang 等[33]提出了以人為中心、決策理論驅(qū)動的可解釋性人工智能（Explainable Artificial Intelligence，XAI）概念框架，探索了人類認(rèn)知模式驅(qū)動構(gòu)建XAI 的需求路徑以及XAI 如何減輕常見的認(rèn)知偏差。

2.3 共享控制權(quán)

1978 年，Sheridan 等[34]首次將共享控制定義為“自動化和人工在同一時間處理同一任務(wù)的情況”。這種相互作用可以通過2種不同的方式實現(xiàn)：

（1）機器可以擴展人的能力（例如，動力轉(zhuǎn)向系統(tǒng)）。

（2）機器可以部分減輕操作者的總?cè)蝿?wù)量（例如，具有觸覺反饋的機械臂）。

在非完全自動駕駛條件下，人類駕駛員實時在環(huán)，同機器系統(tǒng)共享決策控制權(quán)，協(xié)作完成駕駛?cè)蝿?wù)，目的是為了讓人類和機器更加緊密地合作，高效地執(zhí)行復(fù)雜任務(wù)。

根據(jù)轉(zhuǎn)向系統(tǒng)的不同，共享控制方式可分為直接式和間接式2種。直接式共享控制基于電動助力轉(zhuǎn)向系統(tǒng)（Electric Power Steering, EPS）實現(xiàn)，駕駛員操縱轉(zhuǎn)向盤和輔助系統(tǒng)形成機械耦合，并通過力反饋進(jìn)行持續(xù)交互，因此也被稱為觸覺共享控制。間接式共享控制基于線控轉(zhuǎn)向技術(shù)（Steer By Wire,SBW），取消了轉(zhuǎn)向盤和轉(zhuǎn)向傳動裝置之間的機械連接，擺脫了傳統(tǒng)轉(zhuǎn)向系統(tǒng)的各種限制，用于減小人機沖突，具有更大的發(fā)展?jié)摿ΑＨ嵝灾圃煲髾C器人同伴在人類的個人空間內(nèi)行動，這強調(diào)了有效的人機交互應(yīng)該允許兩個智能代理共享對各種功能和任務(wù)的控制。機器人和駕駛員可能會參與對物體的共享操作，甚至與駕駛員直接接觸。然而，確定如何將駕駛員和自動駕駛車輛的自動化能力結(jié)合起來以實現(xiàn)最佳的人機合作仍然是一個挑戰(zhàn)[35]。實現(xiàn)駕駛員與自動化系統(tǒng)交互的一種有吸引力的方法是共享控制權(quán)，這是一種人機合作領(lǐng)域傳承來的概念，在機器人領(lǐng)域有多種應(yīng)用。

在自動化行業(yè)實際應(yīng)用中，智能系統(tǒng)會評估人類駕駛員是否能夠完成任務(wù)目標(biāo)，然后決定是等待人類的操作指令，還是由智能代理自主響應(yīng)[36]。因此，需要通過理解人類駕駛員在決定依賴自動輔助決策或他們自己的決策時使用的過程，決策輔助幫助人類駕駛員正確地評估情況或系統(tǒng)狀態(tài)，以通過警告和建議做出適當(dāng)?shù)捻憫?yīng)。這個組隊決策過程是人機協(xié)作的輔助貢獻(xiàn)。例如，在高級自動駕駛汽車中，當(dāng)駕駛員處于低負(fù)荷狀態(tài)時，該系統(tǒng)鼓勵駕駛員進(jìn)行手動操作，以保持對駕駛員的有效監(jiān)控。當(dāng)駕駛員在高負(fù)荷狀態(tài)下執(zhí)行駕駛?cè)蝿?wù)時，系統(tǒng)會輔助駕駛?cè)丝刂破?。人機界面應(yīng)突出當(dāng)前的道路環(huán)境和駕駛目標(biāo)，以便自動駕駛車輛有效地執(zhí)行駕駛?cè)蝿?wù)。

Muslim 等[37]還提出了一種以人為中心的自動駕駛汽車方法，該方法使用自適應(yīng)策略在人類和機器之間切換控制權(quán)限。具體的自動化水平直接影響操作員所需的功能和對系統(tǒng)狀態(tài)的了解，這可能會試圖通過決策輔助技術(shù)減輕認(rèn)知負(fù)荷。智能系統(tǒng)根據(jù)人機團(tuán)隊中駕駛員的狀態(tài)和交通狀況，通常采用強化學(xué)習(xí)技術(shù)來實現(xiàn)人機智能協(xié)同中的動態(tài)學(xué)習(xí)與修正。Konstantinos 等[38]提出了一個交互式強化學(xué)習(xí)框架，該框架將人機智能協(xié)同中的顯性反饋與隱性人工反饋相結(jié)合，促進(jìn)了智能系統(tǒng)的個性化。在共享控制中，自動化系統(tǒng)通過扭矩反饋向駕駛員傳達(dá)其期望的意圖，從而動態(tài)調(diào)整人機團(tuán)隊任務(wù)。通過系統(tǒng)自優(yōu)化決策算法的深度學(xué)習(xí)，最大限度地提高了人類與自動駕駛系統(tǒng)的協(xié)調(diào)性，使駕駛員能夠在動態(tài)變化的交通環(huán)境中準(zhǔn)確優(yōu)化駕駛決策。

2.4 個性化交互

在“人、車、環(huán)境”一體的交互體系中，駕駛員扮演了重要角色。駕駛員駕駛特性直接影響車輛行駛的安全性、舒適性。因此，如何學(xué)習(xí)理解和模仿特定人類駕駛員的駕駛行為和駕駛經(jīng)驗，是智能系統(tǒng)實現(xiàn)個性化的關(guān)鍵。例如，在駕駛汽車換道過程中，不同駕駛員不僅在面對相同的道路環(huán)境時會有不同的駕駛風(fēng)格，而且在不同的駕駛狀態(tài)下也會有不同的行為績效。當(dāng)智能駕駛系統(tǒng)只考慮車輛自身狀態(tài)以及外界交通環(huán)境因素，在駕駛員駕駛習(xí)慣不確定或者與駕駛員操作風(fēng)格相違背的情況下，智能系統(tǒng)為駕駛員提供的駕駛引導(dǎo)信息并不能被駕駛員接受和使用。這種情況一方面會降低駕駛員對駕駛輔助系統(tǒng)的信任，另一方面其貿(mào)然干涉行駛車輛容易造成駕駛員情緒緊張，最終造成不必要的交通事故[39-40]。

因此，人因?qū)傩允侵悄芟到y(tǒng)適應(yīng)駕駛員特異性的關(guān)鍵因素，駕駛員特性和駕駛狀態(tài)彼此耦合，形成“人駕”的內(nèi)在屬性。因此需要駕駛員異質(zhì)性參數(shù)，考慮駕駛員本身駕駛狀態(tài)，建立適應(yīng)于個性化駕駛模式的人機協(xié)同共駕研究，提高智能駕駛系統(tǒng)與駕駛員之間的貼合度。Jin 等[40]在研究中發(fā)現(xiàn)駕駛員在與智能系統(tǒng)的初始交互中，會表現(xiàn)出與駕駛員交互不同的人格特征和交際屬性。在一些具體領(lǐng)域內(nèi)人機智能協(xié)同的情感化研究方面，Mou 等[41]主要對看護(hù)機器人情感行為的相關(guān)功能進(jìn)行了研究，認(rèn)為機器人必須了解人的情感狀態(tài)，并建立虛擬情感狀態(tài)以表達(dá)情感，才能夠在交互與協(xié)同中產(chǎn)生情感化行為。Miyaji 等[42]研究了服務(wù)機器人中的情感交互，開發(fā)了一種面向人機協(xié)同的分布式系統(tǒng)，結(jié)合了所有基本感官元素，可以識別用戶情緒并通過情感交互提供個性化服務(wù)。

隨著人工智能和情感計算相關(guān)基礎(chǔ)理論研究和技術(shù)的突破，未來智能系統(tǒng)的交互研究方向?qū)蛑旌险J(rèn)知、共享意圖和控制權(quán)及個性化交互方面不斷推進(jìn)和深化，大大提升自動駕駛系統(tǒng)在環(huán)境感知、智能決策和控制執(zhí)行技術(shù)能力，推進(jìn)了智能汽車在復(fù)雜駕駛場景下的動態(tài)認(rèn)知，增強自主性和適應(yīng)性，有助于構(gòu)建人機互補、人機融合、人機協(xié)同的人機智能系統(tǒng)[43-45]。

3 結(jié)束語

基于AI技術(shù)的智能系統(tǒng)，具有不同程度的環(huán)境感知、實時分析、自主決策、精準(zhǔn)執(zhí)行、學(xué)習(xí)提升能力。智能技術(shù)的自主特性帶來了一種新的合作關(guān)系，即人機組隊合作。在傳統(tǒng)人機交互中，人與機器（包括基于計算技術(shù)的產(chǎn)品）之間的關(guān)系基本上是一種“刺激與反應(yīng)”的關(guān)系，即兩者間的“反應(yīng)”按順序取決于另一方的“刺激”（輸入或輸出)。在人機融合中，人和機器的關(guān)系則是合作的關(guān)系。人和機器在感知、分析、推理、學(xué)習(xí)、決策多個智能水平上互相協(xié)同合作，從而實現(xiàn)系統(tǒng)的整體優(yōu)勢。智能車輛不再是人類操作的工具，而是成為與人類合作完成動態(tài)共駕任務(wù)的合作者。

本文梳理了人機智能協(xié)同的人機新型關(guān)系、人機一體化認(rèn)知決策模型、分析了高級自動駕駛的智能系統(tǒng)在人機混合認(rèn)知、共享駕駛意圖、共享控制權(quán)、個性化交互這4 個方面的人機團(tuán)隊合作，為未來智能系統(tǒng)中的人機合作提供了跨學(xué)科的視角，提出了人機協(xié)作研究發(fā)展趨勢思考。未來針對智能自主系統(tǒng)的人機合作研究中，在技術(shù)推進(jìn)的基礎(chǔ)上，還需要充分考慮人類工效學(xué)設(shè)計因素方面的研究：

（1）要從倫理、道德角度出發(fā)，利用智能系統(tǒng)來增強人的能力而不是取代人。

（2）要充分考慮人類工效學(xué)設(shè)計，智能系統(tǒng)設(shè)計應(yīng)該是可解釋、可理解、有用和可用，充分考慮人的因素來提供符合人類工效學(xué)要求的解決方案，從而最大限度地發(fā)揮智能系統(tǒng)的工作績效，實現(xiàn)人機合作的整體優(yōu)勢。

（3）要將個人智能助理與智能輔助系統(tǒng)結(jié)合，全方位滿足用戶對多模態(tài)交互高效性、立體感、情感性方面的需求，能主動根據(jù)用戶學(xué)習(xí)思考用戶的需求，提供多元化的駕乘體驗。

未來面對工業(yè)人工智能化問題，對新型機器人還需加大研究力度，例如社會交互類機器人（如康復(fù)、娛樂、家居服務(wù)）的人機組隊、決策自主權(quán)，自動化透明設(shè)計、自動化信任、自動化機—機交互、情景意識、文化因素方面的研究。從人類認(rèn)知屬性和機器計算屬性入手，展開對人機協(xié)作模式的研究，從人類的感知、認(rèn)知理解、決策推理過程展開對人機認(rèn)知決策的融合機理研究，實現(xiàn)人機智能高效融合。