Extending Reality

增强现实(AR)提供了一个令人兴奋的机会，从根本上重新设计人类与信息的交互方式, making it highly desirable technology in many industrial sectors. Despite all excitement, however, 目前还不清楚计算机生成的信息叠加在物理现实之上是如何影响人们的体验和表现的. 利用OU的以人为本的工程实验室和增强现实中心，Hyungil Kim博士.D., assistant professor of industrial and systems engineering, 正在探索创新的方法来理解人类与新兴技术的互动，并将这些知识转化为人-机-环境系统的设计.

他的目标是在未来的工作场所促进人类与技术的合作. Kim investigates alternative methods for the requirements’ analysis, design, prototyping, and evaluation of extended reality applications.

“过去的界面设计方法不足以支持新的交互方式. To realize the full potential of this novel technology, 我坚信AR一定会比现在更有用, and in this area, human factors research can have unique and significant contributions,” says Dr. 他最近的工作一直专注于研究AR中的人类深度感知.

“For example, AR图形与现实世界的参照物之间的焦深不匹配可能会导致感知问题，并要求用户在数字和物理对象之间切换焦点. 或者，当用户必须与显示器上的信息和环境变化进行交互时，AR图形可能会缩小用户的注意力，从而导致视觉和认知上的分心,” he adds.

作为减少驾驶员分心的解决方案，AR已经得到了积极的探索, 通常通过将计算机生成的图形投影到驾驶员的前方视野中来实现. AR平视显示器(hud)允许驾驶员在不转移注意力的情况下感知信息. 然而，AR图形的显著性、频繁变化和视觉混乱也会分散注意力.

One of Dr. Kim最近的研究重点是开发一种新的方法，通过测量驾驶员的视线分布和对环境元素的意识来量化AR应用的分心潜力.

“这项研究旨在开发专门针对AR hud的最新方法，目的是在最大限度地减少分心的同时通知驾驶员. To accomplish this, 我们开发了一种新的方法，通过测量驾驶员的视觉注意力来量化AR hud的视觉和认知分心潜力, situation awareness, confidence, and workload,” Dr. Kim says.

Another aspect of Dr. Kim的研究重点是智能交通系统(ITS)中的人机协作。. 现在许多车辆都采用了驾驶员监控系统等先进技术, advanced driver assistance systems (ADAS), and driving automation systems (DAS). 这些发展有可能改善交通安全和交通不便人群的流动性. 因此，驾驶需要人与机器之间的协作.

“经常出现的问题是，人们没有按预期使用这些系统, 主要是由于对系统的能力和局限性的误解. Moreover, 这项新技术在现实世界中的应用和对交通安全的影响还没有完全了解, 这就是为什么我通过驾驶模拟器研究来评估ITSs中的人机交互, test-track experimentations, and naturalistic driving studies,” explains Dr. Kim, 他的交通研究侧重于以人为中心的方法来开发和评估交通运输系统.

在本田、通用汽车、谷歌等行业合作伙伴以及政府机构的支持下，李博士的研究取得了巨大的成功. Kim进行了一项研究，调查驾驶员与驾驶自动化之间的相互作用. 这项研究调查了50名参与者在12个月内收集的现有自然驾驶数据. All participants drove personally owned SAE Level 2 vehicles, which provided partial automation by helping drivers with acceleration, braking, 并配备了可以控制这些功能的ADAS.

The results showed that during 235 safety-critical events, DAS was employed 47 times and people misused it in 57% of the cases. When a DAS feature was activated, for example, 司机被迫手动接管控制以应对其他车辆. In some scenarios, DASs did not meet driver expectations in typical driving situations, such as approaching stopped vehicles and negotiating curves.

“这项研究有助于更好地了解早期生产的SAE L2车辆的能力和局限性, the prevalence of the unintended use of DASs, and drivers’ perceptions of these new technologies. 我们希望这一发现可以为人机界面和培训计划的发展提供信息，以减少das的意外使用和相关的潜在安全后果,” says Dr. Kim.

Most recently, Dr. Kim and his team, which now includes two doctoral students, Shruthi Venkatesha Murthy and Ahmad Albawa'neh, and AI master’s student, Zaid Abdelfattah, 在以人为本的工程实验室开发了一个基于CARLA的内部虚拟现实驾驶模拟器. CARLA provides open digital assets (urban layouts, buildings, vehicles) that were created to support development, training, and validation of autonomous driving systems. 该团队的计划是使用这个模拟器和游戏开发平台, Unreal Engine, 设计各种多模式人机界面原型，研究未来交通系统中的人机协作.