远程操作疲劳和 Ergonomics:研究所说

部分: [电操作指南]

T3)

疲的运营商生产低质量的示范,数据质量下降比大多数团队所意识的更大.

为什么运营商疲劳是数据质量问题

电话操作是身体和认知上要求的工作.操作员持有非中性手腕姿势的控制器,在视觉注意力负载下做出持续的细动运动决定,并同时监测机器人状态的错误. 电话操作性能的研究一直表明,在连续运行3到4小时的时间内,成功率下降15-25%与1小时相比,并且对运营商来说质量下降并非主观的明显.

从数据质量角度来看,这意味着在疲的会议中晚些时候收集的示范系统地比早期会议示范更糟,更拙,更失败的尝试,更低优质的策略.在没有会议时间质量纠正的情况下,将这些数据纳入培训数据中,引入了时间质量文物.

身体疲劳的来源

在远程操作中的主要身体疲劳机制:

静态姿势加载: 持有控制器的手臂稍微抬起,可使肩膀和肌肌肉同等尺度激活.持续45-90分钟,这会导致疲劳和不适,从而降低细微运动精度.
重复手腕运动: 远程操作控制器需要不断调整手腕的小小小部分. 无休息时间的重复手腕曲/延伸运动会在持续运行数周内造成骨风险.
抓力: 体重300-500g的控制器需要持续的抓力.在EMG研究中,在持续使用60-90分钟后,可以测量前臂疲劳的出现.
视觉适应力: 持续集中在监视器距离 (50-70cm) 导致肌肌疲劳.使用VR耳机的操作员在40-50分钟内显示出眼力疲劳,比外部监视器用户更快.

认知疲劳的来源

身体疲劳是可见的,认知疲劳是不可见的,但同样具有影响力. 电操作的认知要求包括:控制器输入和机器人运动之间的连续空间映射 (特别是操作员和机器人参考框架不同的地方非放置的臂部),错误监测 (需要干预的机器人状态异常的监测),以及复杂任务的决策 (掌握战略,如何接近混乱的工作空间).

认知疲劳在复杂任务中积累得比身体疲劳快.无人机远程操作 (一种认知要求高的远程操作任务) 的研究显示,即使操作人员报告感到警觉,在连续高复杂操作的2小时内,工作记忆的可测量退化.

建议的规划议定书

Task Complexity	Active Session Max	Rest Period	Daily Max	Notes
L1 (simple pick)	60 min	10 min	6 hr	Physical fatigue dominates
L2 (varied pick-place)	45 min	15 min	5 hr	Mixed physical/cognitive
L3 (contact assembly)	30 min	15 min	4 hr	Cognitive fatigue dominates
L4 (dexterous)	25 min	20 min	3 hr	High cognitive + physical load

工作站设计建议

**表高度:**可调节68-76厘米.操作员在控制器握住时,肘部应在90度左右.高的固定表表导致肩部升高,低的表表表导致头部前面姿势.
监视器与VR: 60 分钟以上的数据收集会议,外观监视器在眼睛水平上是比VR耳机更好.VR为复杂任务提供更好的空间直觉,但导致更快的视觉疲劳.
手腕休息: 置于非控制手臂的凝手腕休息,在监测阶段减少了拖体的负载.
防疲劳床: 常坐操作员有很大的好处.
控制器重量: 对于长时间的会议,更好使用350g以下的控制器.更重的触觉控制器 (有些高达500g) 应仅用于需要详细的触觉反的任务.

疲劳测量方法

量化疲劳需要客观的指标.主观的自我报告 ("我觉得疲") 始终低估了15-30%的绩效降低. 以下是数据收集操作的实用性排列的测量方法:

完成时间降低 (最实用). 追踪每次演示完成时间.绘制一个滚动的10个演示平均.当平均比会议基线 (第10个成功演示) 增加20%以上时,疲劳会影响性能.这不需要额外的硬件 - - 你已经从录音管道中获得时间数据.

错误率增加. 每30分钟的窗口每次测试失败与成功的比率.与第一次会议窗口相比,失败率翻倍是可靠的疲劳指标.结合完成时间,这只使用你已经收集的数据来提供全面的性能图像.

**轨迹顺度 (曲度指数).**计算每个演示的终效率轨迹中平均绝对曲度 (位置的第三衍生值).疲的操作员产生曲运动 - - 曲度指数通常在最后一个小时增加30-60%,而较长期会议的第一小时. 技术上,高的示范可能成功,但产生质量较低的训练数据.

EMG (表面电脑镜). 在远程操作期间测量前臂和肩膀肌肉的电动活动.EMG中位数频率转移是验证的疲劳生物标志:随着肌肉疲劳,EMG功率频谱的中位数频率下降了10-25%. 这对于研究研究是黄金标准,但对于日常运作不实用 (需要电极的放置和专门的测量系统).

心率变化 (HRV). 降低HRV与认知疲劳相关.可穿戴的HRV监测器 (胸带或手腕带) 可以提供持续的认知负载估计.在认知疲劳占主导地位的L3/L4任务中有用.在数据质量改善为可穿戴监测器的边际成本合理的4+操作员的团队中实用.

优质会议结构:45分钟规则

在所有任务复杂度级别中,45分钟是保持示范质量的最佳持续时间.

身体疲劳的开始:EMG研究显示,在连续使用控制器后45-60分钟,无论控制器重量如何,可以测量下臂疲劳.
认知疲劳的开始:在远程操作中进行的工作记忆测试显示,在复杂任务中,在40-50分钟内可测量的降解.
数据质量分析:RCSV对5万多个示例的内部分析显示,在L2+任务的45分钟标志开始,质量出现了统计上显著的下降 (25%的成功率下降,15-25%的升).

建议全集日的会议结构:

Session 1: 45 min active collection
Break 1:   15 min (stand, walk, stretch, look at distance)
Session 2: 45 min active collection
Break 2:   30 min (lunch / extended break)
Session 3: 45 min active collection
Break 3:   15 min
Session 4: 45 min active collection (optional, based on fatigue check)

Total active time: 3-4 hours
Total elapsed time: 4.5-5.5 hours
Expected output (L2 task): 120-200 successful demonstrations

试图在一天内超过4小时的活跃收集,会产生减少的回报:在5-6小时内收集的示范质量明显低,并且可能需要在质量检查期间过,使其在成本上有效,但在时间效率上是负面的.

休息协议详细信息

休息期间的特定活动影响恢复:

身体恢复: 站起来,走2-3分钟,做手腕圈 (10个方向),肩部滚动 (10个方向),和前臂伸展 (每支保持15秒).专注于控制器操作中的肌肉组:前臂,手腕,肩膀和背部. 在身体恢复休息期间不要滚动手机,这保持了导致疲劳的手腕姿势和抓住模式.
视觉恢复: 每15分钟至少6米的距离,每30秒就看物体 (20-20-20规则延长为距离).在完全的休息期间,出去户外或窗户.VR耳机用户应在休息时立即移除耳机,并在任何屏幕使用前允许2~3分钟的距离聚焦.
**认知恢复:**对于L3/L4任务,在休息期间进行简短的注意力或呼吸练习 (2-3分钟慢深呼吸) 显著提高了随后的会议表现.在L3/L4会议间的休息期间避免认知要求的活动 (电子邮件,复杂的对话).

操作员工作站设计检查列表

适当设计的工作站可以防止疲劳发生,并延长高质量的收集时间.

**桌/桌的高度:**可调节68-76厘米.操作员的肘部在控制器握住时应在90度左右.高的固定桌子导致肩部升高,低的头部保持前面.
监视器位置:** 屏幕顶部在眼睛水平或稍低于眼睛水平.距离:50-70厘米.斜率:10-20度.多监视器设置 (通常在观看多部摄像头播放时),将主要播放器放在中心,二次播放器则在30度以内,以尽量减少部旋转.
**监视器与VR:**对于60分钟长的数据收集会议,视觉水平的外部监视器比VR耳机更好.VR为复杂任务提供更好的空间直觉,但会导致更快的视觉疲劳.使用VR用于初始任务熟悉 (第10到20个演示) 空间理解最重要的地方,然后转换为监视器进行生产收集.
控制器重量: 长时间的会议,最好使用350g以下的控制器.重量较大的触觉控制器 (有些高达500g) 应仅用于需要详细的触觉反的任务.如果使用领袖臂进行远程操作,请确保它是抵消的或重力补偿的,以便操作员不支持臂的重量.
座椅:**可调节的座椅高度和深度. 腰部支调节到操作员的腰部曲线.手在控制器上时,在肘部高度的扶手 - - 过低的扶手没有支;过高的扶手提升肩膀.座椅板向前倾斜0-5度,促进前部骨盆斜率.
照明: 桌面表面的环境室照明应达到300-500Lux.避免直接的上空照明,导致显示器闪.显示器与周围墙之间的亮度比例不应超过3:1以防止眼睛.
温度:**20-22摄氏度.温暖环境加速疲劳;凉爽环境导致手中的血管收缩,降低细运动技巧.
**噪音:**机器人机器人电动噪音和2-8kHz范围的伺服器声会在长时间的会议上导致听力疲劳.如果操作员的工作站与机器人同房,请提供听力保护或噪音取消耳机.在收集过程中不要使用音乐与歌词 - 它在L3/L4任务上竞争对认知资源.
防疲劳床 站立操作员从20毫米厚的防疲劳床上得到了显著的好处.

使用性能监测作为疲劳指标

测试结果的结果是: 测试结果的结果是: 测试结果的结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是: 测试结果是:测试结果是: 测试结果是:测试结果是:测试结果是:测试结果是:测试结果是:测试结果是

在收集管道中实现自动检测疲劳:

# Fatigue detection based on rolling performance metrics
def check_fatigue(recent_demos, baseline_demos, window=10):
    """Compare recent demo quality to session baseline."""
    recent_success = sum(d.success for d in recent_demos[-window:]) / window
    baseline_success = sum(d.success for d in baseline_demos[:window]) / window

    recent_jerk = np.mean([d.mean_jerk for d in recent_demos[-window:]])
    baseline_jerk = np.mean([d.mean_jerk for d in baseline_demos[:window]])

    success_drop = baseline_success - recent_success
    jerk_increase = (recent_jerk - baseline_jerk) / baseline_jerk

    if success_drop > 0.10:    # 10% success rate drop
        return "FATIGUE_WARNING: success rate declined"
    if jerk_increase > 0.30:   # 30% jerk increase
        return "FATIGUE_WARNING: trajectory smoothness declined"
    return "OK"

根据RCSV的数据收集服务,RCSV的数据收集服务包括实时质量监测,并自动跟踪会议时间.运营商根据计划间隔和基于性能的疲劳指标获得休息提示.我们的数据平台记录所有会议指标,以便对运营商效率和数据质量趋势进行后期分析.

忽略疲劳的代价

根据RCSV对采集与无需处理疲劳的数据集的分析,

疲的运营商 (会议时间4+不间断) 的示威活动在ACT或传播政策培训中使用时,与相同的运营商在最初两个小时的示威活动相比,政策培训成功率降低12-18%.
晚会议示范中的子指标高于40-80%,产生了更的政策,
没有管理疲劳时,实际成本每次有用示范增加30-50%,因为必须收集更多的示范,以达到相同的政策质量.

适当的疲劳管理不仅仅是对操作员的善良 (尽管这也是如此),

专业数据收集与工程学标准

斯威尔士劳动力委员会运营商遵循结构化疲劳管理协议,以确保每次会议都保持一致的质量.

[了解我们的数据服务]

OpenArm

Browse the Store

Data Marketplace

Get Started with Physical AI

Wuji Teleop Glove

Unitree Go2 — Setup & SDK