振兴人机交互 促进社会进步
——五、人机协作新范例面临的挑战

5.3 人机协作新范例

5)德国和日本合作案例研究：DFKI与日立——工人行为的识别、评估与转移

(接上)

假设一个新行为可以由预定义的基本动作和对象的组合来表示，该框架能够识别新行为，而无需耗时的再训练过程。在这里，“动作”被定义为身体部位的简单运动，如“抬起手臂”、“弯腰”，而“行为”则被定义为一个基本动作和一个对象的组合。这两种动作的识别决策，以及视线引导下的对象检测，都有视觉和文字解释作为支撑。在人与机器近距离工作时，这些解释对建立人对机器的信任起着至关重要的作用。

在上述“检查手册”行为的示例中，可能出现的动作是“查看”，工厂A中可能的对象是“纸张”，工厂B中可能的对象是“显示器”。通过将复杂的行为分解成更简单的动作和涉及的对象，中间识别模块“查看”便可以应用于两个工厂。通过这个框架，可以实现对不同工厂多种行为的识别，无需定制，但具备充分的解释。

该系统引入了一种基于可解释动作识别方法的深度神经网络(DNN)，该方法利用可穿戴式传感器和视线引导对象识别的方法来识别行为。实验结果表明，该方法的效果与传统方法相当，准确率达到90%以上。

通过开发易于部署的可解释行为识别系统，我们将在培训、指导、控制和降低风险方面为各制造业工厂的大量工人提供支持。

6. 结论

本文重点讨论了劳动力日益成熟、机器和基础设施日益老化等因素带来的社会挑战，讨论了如何定义这些问题，并通过德国和日本的应用案例探讨了人机互动的新方法。CPS、AI和机器人等数字技术有望帮助解决这些社会挑战。这些技术可以执行原属于人类领域的例常性认知任务，因此，应用这些技术也会对社会转型产生影响。

为建立可持续发展社会，人类必须不断创造高附加值的工作，并具备随时从非高附加值工作转向高附加值工作的能力。同时，机器不仅要能进行非高附加值的工作，还要做到通过与人类的不断互动，成为创造高附加值工作的机制。根据这些要求，数字化转型可以实现以人为中心的新型制造体系，在这一体系中，人类专注于终身技能的提升，不断创造高附加值的工作。从本质上来说，这个系统振兴了人机交互，使人和机器能共同在数字化社会中发挥作用。

最终，我们应该致力于强化数字社会的公共利益，分享从人机互动中获取的知识，建立以人类福祉为中心的可持续发展社会。本文呼吁建立调解过程，鼓励社会考虑、讨论未来的情景和行动。