行业观察
人机协作工位累不累，先看工人在哪儿犹豫：一台深度相机把负担拆成五个来源，任务一复杂，脑力和时间压力先涨
一条装配线刚上了协作机器人：机器人负责递零件、递工具，人负责装。上线一个月，产量没涨多少，班组长反映“工人说更累了”。可问“哪儿累”，工人也说不清——活没变重，就是脑子更紧、手上总在等。
香港科技大学（广州）智能制造团队（Xiong、Guo 等，2026 年 9 月）给了一个可核对的拆法：不让工人穿戴任何传感器，只用一台 RGB-D 深度相机，加上机器人自己的运行状态，把“累”拆成五个看得见的来源，实时显示在屏幕上。结果显示：协作步骤一多，最先涨的是脑力需求（7.33→10.14）和时间压力（5.55→7.30），而体力需求没有显著变化。本文只映射工厂管理动作，不整篇转载。
公开可核对的要点
问题设定：人机协作装配中，操作者要一边干手上的活，一边跟上机器人的动作和任务信息。常用的 NASA-TLX 问卷只能在任务结束后填，看不到过程中的变化；心电、皮肤电等生理信号要穿戴设备，进车间不方便，还容易受个人差异和噪声影响。
方法与结果（表述以论文为准）：
- 工位分区：把共享工作台标定成装配区、物料区、作业指导区和机器人协作区。相机跟踪操作者的头部朝向、上身和手的位置，经过时间确认（过滤一闪而过的波动）后，判断此刻“眼在看哪、手在干啥”。
- 五项指标：装配执行需求（AED）、找料选件需求（TID）、查看指导需求（ICD）、情境注意力切换需求（ASDctx，按切换的来源和去向加权，不是简单计次）、交接犹豫需求（OHD，机器人协作期间手长时间低速不动的时长占比）。五项合成一个综合分，但每一项都单独保留，能追到具体来源。
- 实验设计：UR5e 协作机器人按示教轨迹递料，参与者装配一个简化齿轮箱（底座、端盖、轴、齿轮、轴承、紧固件）。三档难度：L1 机器人递 1 个零件；L2 递 2 个零件加一把螺丝刀；L3 递 2 个零件加螺丝刀和螺钉组成的紧固模块。10 名参与者（平均 21.6±2.0 岁），经伦理审查。
- 主观负荷：NASA-TLX 总分 6.75→7.26→8.45（Friedman χ²(2)=6.20，p=0.045）；脑力需求 7.33→8.31→10.14（p=0.035）；时间压力 5.55→6.51→7.30（p=0.033）。努力程度（7.40→9.74）和挫败感（4.37→7.10）也上升，但不显著；体力需求（p=0.247）和自评绩效（p=0.607）无显著变化。
- 生理对照：心电、肌电、皮肤电只做独立参照，不参与模型推理。数据完整的 9 人中，7 人的视觉综合指标与心电特征显著相关；检测到的犹豫片段与皮肤电反应、肌电活动在时间上对应。
- 实时部署：系统在协作装配现场实时运行，操作者无需佩戴任何额外传感器；界面同时显示五项指标和综合分，便于看出变化来自哪里。
- 作者写明的边界：样本小，只在一个标定场景验证，指标权重固定；输出是行为代理指标，不是直接的生理测量。按指标去调整机器人（放慢速度、改交接时机、调分工）是论文提出的方向，效果尚待验证。
原文：arXiv:2609.15232（PDF：2609.15232）。题目：A Vision Based Framework Integrating Attention and Action Cues for Interpretable Cognitive Workload Assessment in Human-Robot Collaborative Assembly。
落到工厂：先问“累在哪”，再决定改什么
很多工厂上了协作机器人，评估只看两件事：节拍快了没有，工人有没有说累。论文的数据提醒：协作步骤增加时，体力负担几乎不变，涨的是脑力和时间压力——工人要盯机器人、等交接、找工具、对指导。这些负担看不见，却会直接拖慢节拍、增加出错。一个可执行的最小方案：
- 先选一个人机协作工位做诊断——标准是“上线后产量没达到预期”或“工人反映更累但说不清”。
- 按四个区记录“眼和手在哪”——不必一开始就上相机系统，班组长拿秒表和简单记录表，记一个班次里工人在找料、看指导、盯机器人、手停着等的时间，先找到占比最大的一项。
- 一项负担配一种改法——找料多，改物料定置和料盒颜色标识；看指导多，把作业指导改成一步一图，挂在视线正前方；盯机器人多，固定交接位置和节拍；交接时手停住，就让机器人递得更慢、更稳，或把这一步改回人来做。
- 改完复测同一项指标——看的是那一项占比有没有降下来，而不只是总产量。数据用来改工位和节拍，不用来给个人打分，工人才愿意配合。
组织力用在这里，是把“工人说累”这句模糊的话，变成能定位、能改、能复测的工位问题，让人机协作的投入真正变成人效。
十五分钟自检
你的工厂里，最近上线的那台协作机器人，有没有人统计过工人一个班次里“手停着等机器人”的总时长？如果工人说更累了，你能说出是累在找料、看指导，还是盯机器人吗？答不上来，下一步要改的就不是机器人，而是工位诊断。
数字与表述以 arXiv 论文为准；本文只映射工厂管理动作。
常见问题
这篇最核心的结论是什么？
人机协作工位的负担，不该只看一个“累不累”的总分，而要看负担从哪里来。论文用一台 RGB-D 深度相机加机器人状态，把操作者的头、上身和手的动作映射到装配区、物料区、指导区和机器人协作区，拆出五项指标：装配执行、找料选件、查看指导、注意力切换、交接犹豫。10 人三档难度的齿轮箱装配实验里，NASA-TLX 总分从 6.75 升到 7.26、8.45（Friedman p=0.045），脑力需求 7.33→8.31→10.14（p=0.035），时间压力 5.55→6.51→7.30（p=0.033）；体力需求没有显著变化（p=0.247）。
不戴传感器，只靠相机看，靠得住吗？
论文用心电（ECG）、肌电（EMG）、皮肤电（EDA）做独立参照，但这些信号不参与模型计算。在数据完整的 9 名参与者中，有 7 人的视觉综合指标与心电特征显著相关（Spearman 检验），另 2 人不显著；检测到的“交接犹豫”片段，在时间上与皮肤电反应和肌电活动对得上。作者明确说，这是行为层面的代理指标，不是直接测量脑负荷，适合做工位诊断，不适合当成精确的生理读数。
对工厂的人机工位设计有什么提醒？
先找负担来源，再选改法。找料多，改物料定置和料盒标识；看指导多，把作业指导改成一步一图、放在视线内；频繁盯机器人，固定机器人的交接位置和节拍；交接时手停住犹豫，就让机器人递得更慢、更平顺，或调整人机分工。论文提出了这些调整方向，但“按指标自动调机器人能不能提升协作效果”还没验证，是下一步工作。
这项研究有什么边界？
样本只有 10 人（平均 21.6 岁，来自高校），只在一个经过标定的装配场景里验证；各项指标的权重是固定的，未针对个人和场景调整。作者建议先在其他协作场景复核，再验证按指标调整机器人是否真能改善协作。
原文在哪看？
arXiv:2609.15232，《A Vision Based Framework Integrating Attention and Action Cues for Interpretable Cognitive Workload Assessment in Human-Robot Collaborative Assembly》（Junyan Xiong、Naiyi Feng、Xingke Xia、Qihang Fan、Suchang Chen、Daqiang Guo；香港科技大学（广州）智能制造学域、未来技术学院；2026 年 9 月）。
