肌萎缩性侧索硬化症(ALS)属于运动神经元疾病，是一种运动神经系统的慢性退行性疾病。最近的数据表明，全世界每10万人中发病率为0.6至3.8，流行率为4.1至10.5。 1- 3.]。平均发病年龄在58至63岁之间[ 4， 5]，最年轻的病人年龄在20至30岁之间[ 1， 6]。男性与女性的比例显示男性患此病的几率略高[ 6， 7]。在病程中，自发性运动功能逐渐丧失，最终导致完全瘫痪[ 5]。该病的主要症状包括进行性肌肉轻瘫、肌肉萎缩和肌肉痉挛;然而，身体和感官知觉不受影响。这种疾病最初开始于一个孤立的肌肉区域，并逐渐从那里扩散。由于该疾病导致的运动功能的持续丧失导致与日常生活活动(ADLs)相关的操作能力的多重限制，导致患者高度依赖和需要支持。相应的支持网络通常由专业和非正式的照顾者组成，他们分担提供必要援助的重担，同时尊重和促进受影响者的独立和自决[ 8- 10]。在这方面，辅助技术和设备在受影响用户的疾病管理中发挥着突出作用[ 11]。根据2004年美国辅助技术法案，辅助技术和设备被定义为“……任何物品、设备或产品系统，无论是商业购买、改装或定制的，旨在增加、维持或改善残疾人的功能能力”[ 12]。目前，各种辅助技术系统被用于补偿身体功能的丧失(例如，生命维持装置，如呼吸机和喂食管、环境控制装置、矫形器、转移装置、辅助和替代通讯装置，以及行动辅助设备，如电动轮椅和手动轮椅)[ 11， 13]。然而，一般来说，这些技术中的许多都是高度专门化的(任务受限的辅助设备)，具有明确定义且通常是非操作的功能应用程序。这些系统只能在有限的程度上解决诸如独立拾取和放置物体、准备食物、饮食或独立的个人卫生等不良行为。在这种情况下，使用辅助机器人机械手有望在促进有功能限制的人的独立性和运动自决方面具有巨大的潜力。尽管目标群体对辅助机器人操作器的需求很高，但目前只有少数系统是商用的，而且只有一小部分受影响的人提供了这种系统。造成这种情况的原因包括技术、经济和规范方面的挑战，以及现有护理过程中系统实施潜力不足[ 14]。相比之下，潜在用户群体对这些系统的可用性和接受程度的经验证据却很少[ 15， 16]。以下部分提供了对当前技术状态的概述。

辅助机器人操作器的研究和发展可追溯到20世纪60年代[ 16， 17]。这种机械臂的关键功能是通过补偿功能限制来促进使用者的独立性，特别是在上肢方面。Driessen [ 18，他将机器人机械手称为康复机器人设备，并将其分为三类:(1)单任务机器人，(2)工作站，(3)轮椅式机械手。单任务机器人专门用于执行特定任务，该任务在机器人控制中作为预定义的操作序列实现，因此可以使用非常简单的输入设备进行检索。商业上可用的单任务机器人包括各种食物摄取辅助系统，如My Spoon (Secom)， obi (Design LLC)和betic (CaminoCare)。这些系统提供了一个带有勺子的机械臂(在某些情况下，也有一个用于分配食物的特殊盘子)和一个简单的交互界面，在大多数情况下，可以使用单独设计的控件进行扩展。然而，由于高度专业化和操作环境所需的标准化，单一任务机器人促进独立性的潜力相对较低。相比之下，机器人的轻型手臂被用作固定工作站或连接在轮椅上的操作辅助设备。固定工作站允许用户在预定义的操作区域检测各种物体，并让机器人机械手使用预定义的功能拾取和定位它们。因此，工作站系统在操作任务方面具有很高的灵活性，但仍然局限于固定的位置。最后一类是安装在轮椅上的机械手。这些机械臂提供6df (7df包括夹持器)，其特点是非常纤细和轻便的设计[ 16， 18- 20.]。众所周知的和商业上可用的辅助机器人手臂是Manus, iARM (Exact Dynamics)，以及JACO和MICO (Kinova)。这些系统也有各种安装选项，允许在桌子或床上固定使用[ 19]。此外，研究人员正在调查工业环境中的其他几个现有系统和各种原型;然而，他们还没有进入医疗保健市场[ 16]。安装在轮椅上的机械手可以在不同的设置中用于不同的操作任务。

系统的控制是通过连接在轮椅扶手上的3轴操纵杆进行远程操作。因此，3df被映射到笛卡尔手臂平移和手腕旋转控制的子集。为了控制7df (3df用于在3D空间中移动，3df用于手腕运动，1df用于打开和关闭夹具)，用户必须在不同的笛卡尔水平之间切换[ 16， 20.]。

无特定自主行为的用户远程操作形成了一种成本较低的控制策略，因为用户仍然负责，从而降低了控制系统的复杂性。此外，这种方法为在高度非结构化和动态环境中以及在用户附近操作系统提供了高水平的人身安全。相比之下，这种控制策略与身体有缺陷的人的认知和身体上的高度努力有关[ 16， 18]。

在此背景下，目前的研究正在探索简化控制系统的新方法。重点是新颖的用户界面(ui)和用于半自主控制的传感器融合技术的不同可能性[ 18， 21]。在此背景下，Petrich等[ 16引用了参与者使用手势或目光来选择机器人可以自主接近的物体的方法。控制机器人行为的其他接口还包括肌电图、脑电图和皮质电图。作为对当前使用计算机视觉进行机器人半自主控制的方法的系统回顾的一部分，Bengtson等[ 21]强调了三个主要挑战:(1)需要自适应半自主控制方案，允许用户对整个任务过程进行一定程度的控制;(2)通过依赖特定抓取点和原始形状而不是预定义对象的方法来处理任意对象;最后，(3)通过考虑不同视角来精确感知环境。

除了开发新的控制方法外，确定受影响用户日常生活中的相关应用领域是另一个研究领域。目标是确定用户对性能参数的特定需求，以开发适当的操作分类法[ 17， 19， 22]。

为ALS患者提供个性化和资源型强化和姑息治疗的机器人辅助服务(ROBINA)是由德国联邦教育和研究部资助的一项研发项目。该项目的目标是开发一种半自动机器人机械手，可以通过多模态UI进行控制，以支持ALS患者在各种adl中的独立性。与此相关，该项目的另一个目标是将专业和非正式的护理人员从重复的支持活动中解脱出来。

本文总结了我们项目中开发的早期演示器的最终评估结果。该研究的目的是确定ALS患者的具体需求、偏好和要求，以开发半自主机器人机械手，以促进ADLs的自主性和独立性。

本研究是一项探索性任务型实验室评价研究。数据收集基于混合方法设计，包括验证和自行开发的问卷，标准化观察协议和半结构化访谈。本研究采用任务型评价，研究时间为2周。

图1显示研究的设置。它是围绕一个7轴熊猫机械手(Franka Emika)建造的，关节上有扭矩传感器，使它能够与参与者进行灵敏的互动。此外，该机器人系统配备了一个两指抓手。夹持器的功能模式包括两个手指的打开和关闭。不可能旋转夹持器以使其与操作对象对齐。控制软件基于“机器人操作系统”[ 23]，这是机器人研究中为开发复杂应用而建立的软件框架。它将开源组件和定制开发的增强功能结合到一个状态机中，该状态机管理患者的输入和整体控制流。机器人通过提供的Franka控制接口进行控制，实现实时双向通信。定制的机器人操作系统控制器使用并调节机器人模仿机械弹簧物理外观的能力。该软件以分布式系统的形式运行在3台个人电脑上，通过一个共享的封闭网络进行通信。总共有2台pc执行计算密集型操作，与机器人实时通信，并在基于linux的操作系统(Ubuntu Desktop 16.04长期支持;Canonical Foundation, Ubuntu Community)。通过病人的传感器进行控制的软件在装有Windows操作系统的平板电脑上运行。它被实现为现代互联网浏览器的本地通信应用程序，并通过控制单元由患者访问。这些控制单元包括各种输入设备，以最好地覆盖每个参与者的能力，例如直接在手操作或连接到鹅颈支架上的操纵杆，头部控制系统(Smart Nav Natural Point)和眼睛控制系统(Alea Technologies gmbh)，当只有眼睛凝视可用时提供控制。

所有的输入都被映射到一个鼠标指针上，患者用它来导航基于浏览器的图形用户输入(GUI)的菜单并控制机器人。不同的任务场景(请参阅以下部分)被实现为移动序列，参与者可以通过调整工作流的参数来执行、暂停、重置和自定义他们的需求( 图1- 3.）.该系统支持部分自主，例如在饮酒时检测面部和嘴唇，以及基于视觉的桌面抓取物体。

以下部分描述了评估的不同任务场景。

由于ROBINA系统处于早期演示状态，因此进行了风险分析，确定了参与者安全的必要措施。主要措施包括在实验室条件下进行评估和由受过专门培训的人员进行技术监督。此外，除了 抓在这种情况下，机械臂在任何时候都无法接触到研究参与者。此外，研究还包括参与者的正式和非正式护理人员，以协助监测他们的健康和一般状况。此外，一开始就对ROBINA系统和评价任务进行了熟悉阶段。另一项安全措施是UI上的“暂停/取消”按钮，参与者可以随时中断每个场景。此外，正确的执行由受过专门训练的工作人员监督，他们可以立即中断执行。所有使用的材料都被检查是否有锋利的边缘或损坏，参与者在整个测试过程中都被要求戴上护目镜。

柏林慈善基金会(Universitätsmedizin Berlin)的伦理委员会、Freie Universität Berlin和Humboldt-Universität zu Berlin的公司成员批准了这项研究(EA2/145/19)。此外，该研究已在德国临床试验登记处注册(DRKS00016554)。

参与者由老年病学研究小组招募，为期4周。以下是本研究的纳入标准:参与者年龄≥18岁，临床诊断为ALS。为了研究影响ROBINA系统运行的功能限制，我们使用了ALS功能评定量表(ALS- frs) [ 24]，仅限于言语和手指功能限制的两个问卷维度。

共有11名临床诊断为ALS的患者参与了这项研究。在11名参与者中，男性8人(73%)，女性3人(27%)。平均年龄57.1岁(SD 5.9;范围:51-70年。总共有73%(8/11)的参与者手臂受到影响(手臂麻痹、四肢麻痹或类似情况)。在言语方面，11名受试者中，4名(36%)无限制，5名(45%)轻度至中度限制，1名(9%)丧失言语能力。关于手指的功能限制，11名参与者中，1名(9%)表示没有限制，6名(55%)表示轻度至中度限制，4名(36%)表示严重限制(即不能按键盘上的键)。

首先通过电话与参与者联系，并告知研究的目的和程序。在提供正式同意后，他们被邀请到老年研究小组的研究设施。

作为第一步，记录ALS-FRS-Extended的社会人口学数据和子域。然后，在经验丰富的项目合作伙伴的帮助下，选择最合适的控制设备来操作研究演示器，并根据参与者的需求进行设置(例如，头控，眼控，操纵杆，PC鼠标或球鼠标)。第二步，对系统和测试场景进行熟悉。在此背景下，介绍了单场景的实验设置和步骤、用户界面、机器人动作以及所需的安全措施。此外，还对系统进行了功能演示，使用户熟悉系统。

随后，进行了基于任务的评估阶段，在这个阶段中，研究参与者测试和评估了前面章节中提出的每个场景。在执行过程中，使用标准化的观察协议记录系统和用户错误以及参与者的自发表达(大声思考)。此外，在每个任务之后，参与者被要求使用自行开发的、标准化的、经过验证的问卷对系统进行评分(请参阅以下部分)。

在一份自行开发的问卷的基础上，研究任务干预部分的参与者被要求对任务执行过程中与日常生活的相关性、可用性和安全感的类别进行5分李克特评分。另一个关于对人类支持的偏好超过机器人支持的项目包括3个响应类别。每个类别下的问题显示在 表1．

ROBINA系统的一般评估是根据系统可用性量表(SUS) [ 25]，这是一种简单且与技术无关的工具，用于评估技术系统的主观感知可用性。SUS包括10个问题，以5分的李克特量表作答。根据编码表对用户的答案进行转换，然后进行汇总(百分位数解释)。可能的得分范围从0到100分，因此需要68分作为至少良好可用性的基准。100分代表完美的可用性。

除了SUS之外，我们还使用了一份自行开发的问卷来确定以下类别的用户感知:使用过程中的焦虑感、系统大小和图形UI的设计( 表2）.

为了深入了解ROBINA系统的主观感知和评价，我们通过两种方式收集定性数据。首先，从关于基于任务的评估的开放式问题中，参与者被要求陈述他们对人类或机器人协助的偏好。此外，他们还被问及每个场景中他们最喜欢和最不喜欢的方面。在一般评估中，参与者被问及一个关于他们对改进UI的建议的开放式问题。其次，采用观察方案收集定性数据。作为有声思考方案的一部分，参与者在测试期间的自发表情被记录下来;还记录了人为和技术错误。

定量数据采用SPSS(28.0版本;IBM Corp .)的Windows操作系统。由于我们的大多数数据具有有序尺度水平或不具有高斯正态分布，因此结果以中位数，iqr，最小值和最大值表示。由于我们的实验室研究是探索性的，所以没有进行假设和显著性检验。

从开放式问题和观察方案中获得的定性结果使用系统的结构化内容分析进行分析，根据Mayring [ 26]。考虑到有针对性的研究目的，分析包括不同材料中与内容相关的文本段落的释义。在此基础上，确定目标抽象层次，并在该层次下对释义进行概括。随后，通过选择对具有相同意思的释义进行第一次还原。在进一步的简化步骤中，在目标抽象级别汇集和集成释义。为了确保数据质量，这些分析步骤由2名训练有素的研究人员进行，他们具有定性研究的经验。释义、概化、还原的分析步骤使用Excel (version 2016;微软)。

在下一节中，介绍了ROBINA系统基于任务的评估结果。在此背景下，本文描述了评估场景与受影响参与者日常生活的相关性、可用性(包括控制单元的易用性、半自主机器人运动的速度和对机器人支持的主观感知)、安全感以及对人类支持的偏好。为了更好地说明结果，它们也以图形形式呈现( 图4- 7）.最后，每个场景的呈现以参与者从开放式问题中获得的评估结束。

大多数参与者(9/11,82%)认为与 端上饮料日常生活的场景非常或相当相关。只有9%(1/11)的参与者认为这个场景与日常生活无关。关于可用性，所有参与者(11/11,100%)将控制单元的易用性评为非常容易或相当容易。45%(5/11)的参与者认为机器人的移动速度是合适的。相比之下，45%(5/11)的参与者认为它相当慢或非常慢。参与者认为移动速度相当快。在这种情况下，大多数参与者对机器人支持的主观感知被评为非常舒适或相当舒适(10/11,91%)。参与者认为它既不愉快也不不愉快。

此外，所有参与者(11/11,100%)都表示，他们在执行半自动机器人行为时感到非常安全。

最后，对于 端上饮料情境中，18%(2/11)的参与者表示他们更喜欢人工协助。相比之下，超过一半的参与者(6/11,55%)表示他们不喜欢人工帮助。在11名参与者中，有3名(27%)参与者无法提供偏好。

作为定性评估的一部分，参与者被问及的方面 端上饮料他们特别喜欢或不喜欢的场景。特别是，参与者对准确快速的反应和流畅的动作表示赞赏。此外，还积极地提到了半自主行为。然而，与此同时，参与者更喜欢完全控制系统，只要他们的身体和认知能力能够做到这一点。在身体或认知能力下降的情况下，例如，由于疲劳，参与者更喜欢系统接管控制并自主行动。人们发现，把饮料送到嘴里是令人愉快的，是一种极大的解脱。该系统的尺寸使其不适合家庭使用，这一点受到了严厉的强调。此外，一名受访者批评该系统采取了不同的方式来拾取和提供杯子。在另一种情况下，杯子的位置略有倾斜;因此，液体溢出的风险受到了批评。 In 3 cases, the system collided with the surrounding devices when returning to the starting position (twice with the tablet and once with a wheelchair control), which caused irritation among the participants. Of the 11 participants, 2 (18%) participants noted the incompleteness of the scenario, as a third person was required to fill the cup and bring it into the robot’s interaction field.

出现了一个关键的要求 端上饮料情景是指机器人在非结构化环境和操纵物体时的行动可靠性。在这种情况下，一位与会者表示，机器人需要知道它的交互半径。为了可靠地操纵物体，系统还应该能够识别物体的材质，并以适当的力量抓住它们。建议使用第三根手指来增加抓握的可靠性。

的 交出一部手机情景被大多数受访者评为与他们的日常生活非常相关或相当相关(9/11,82%)。一名参与者认为它既不相关也不相关，另一名参与者认为它相当不相关。

关于本场景中ROBINA系统可用性的3个问题，所有参与者都认为控制单元的易用性非常容易或相当容易(11/11,100%)。对运动速度的评价呈现出差异化的图像。在11名参与者中，3名(27%)参与者认为它非常快或相当快，4名(36%)参与者认为运动速度足够快。同样，36%(4/11)的参与者认为运动速度相当慢。最后，机器人辅助被大多数受访者评为非常舒适或相当舒适(10/11,91%)。参与者认为它既不愉快也不不愉快。

关于参与者在半自主任务执行过程中的安全感，所有参与者都表示他们感到非常安全或相当安全(11/11,100%)。

类似于 端上饮料情境中，18%(2/11)的受访者表示更倾向于人工协助。相比之下，73%(8/11)的参与者不喜欢人类的帮助，而更喜欢机器人的帮助。参与者不能报告自己的偏好。

在定性评价方面，将物体转移到受影响个体的互动场中，小心地拿起手机，远距离快速精确的运动序列被描述为积极的。总的来说，这项任务被描述为“接近现实”。然而，在少数情况下，手机在运送过程中被摔了，而不是小心地放下。此外，与会者强调，这种场景只适合那些仍然可以独立拿起和操作电话的人。

综上所述，提到了3个关键要求:第一，将手机直接转移给用户或转移到合适的持有者;第二，将手机控制器连接到机器人或轮椅控制器(进行操作);第三，安全功能，防止机器人系统在转移过程中掉落物体。

总的来说，82%(9/11)的参与者认为 抓场景与他们的日常生活非常相关。在11名参与者中，1名(9%)参与者认为它既不相关也不相关。

控制单元的易用性被所有参与者评为非常容易或相当容易(11/11,100%)。在 抓场景中，对移动速度的评价各不相同。在11名参与者中，3名(27%)参与者认为速度非常快或相当快，大约一半的参与者(n= 6,55%)认为速度合适，2名(18%)参与者认为速度相当慢。大多数受访者认为机器人辅助非常舒适或相当舒适(10/11,91%)。一名参与者认为这相当不愉快。

大多数参与者(10/11,91%)在半自主任务执行过程中感到非常安全。一名参与者认为安全感相当不安全。

在研究中，大多数参与者并没有表现出更倾向于人的帮助而不是机器人的帮助 抓情景(7/11,64%)。然而，一位与会者表示更倾向于人力协助。总共有27%(3/11)的参与者无法提供偏好。

在定性评价方面 抓场景中，参与者特别喜欢解决一个尖锐问题的快速满足感，以及隐私和独立性的增加。此外，参与者认为抓挠是愉快的，然而，这取决于刷子和皮肤类型。同样，抓挠的持续时间和强度的程度明确地与用户的想法相对应，就像调整它们的可能性一样。相比之下，一名参与者质疑这项任务的实用性，尤其是在面部区域。另一位用户不确定系统是如何定位要刮伤的区域的。在系统拿起画笔的情况下，参与者的不确定性发生了，用两个手指握着。在这些情况下，参与者表达了对皮肤损伤的担忧。与ROBINA系统相关的参与者正确定位的要求也被严格地看待，因为尽管出于安全原因，这似乎是合理的，但它不能由ALS和行动受限的患者在日常生活中独立实施。在这方面，对他人的依赖将继续存在。进一步指出，参与者相对于系统的位置导致不规则的抓痕运动，因此，强度随抓痕运动的距离而变化。 Finally, the lack of a separate start button in the GUI was criticized, as it was not clear to the participants how the scenario can be started once the parameters had been selected.

作为在这种情况下进一步发展的要求，强调了准确确定瘙痒位置的可能性，而不是模糊地选择全身区域。另一个需求是一个明确定义的按钮来启动场景。最后，一些参与者希望抓挠动作和刷子能更好地适应身体形状。

所有的参与者(11/11,100%)都评价了文章的相关性 自由流动场景与他们的日常生活非常相关。

关于可用性，大多数参与者(10/11,91%)认为控制单元的易用性非常简单或相当简单。一位参与者评价它是足够的。在这种情况下，移动速度的考虑也有所不同。在11名参与者中，2名(18%)参与者认为它相当快，超过一半的参与者(n= 6,55%)认为它足够，3名(27%)参与者认为它相当慢或非常慢。所有参与者都认为机器人支持非常愉快或相当愉快(11/11,100%)。

91%(10/11)的参与者认为机器人执行过程中的主观安全感是非常安全的。据报道，一名参与者感到相当不安全。

在这种情况下，在11名参与者中，2名(18%)参与者更喜欢人类的支持，6名(55%)其他参与者不喜欢人类的帮助，而不是机器人提供的帮助，3名(27%)参与者无法表明偏好。

在定性评价方面 自由流动在情景中，强调了脱离人力援助的独立性。有嘉宾提到，比起系统，他更喜欢护理助理。然而，如果言语交流对他来说不再可能，这项任务将是非常重要的。此外，ROBINA系统的精确运动控制(能够选择小运动和大运动)和灵敏度都得到了积极的强调。关键的是，在这个场景中，强调移动速度无法调整。此外，关于头部控制的使用，有人强调，保持头部位置和触发机器人运动的许多微运动是费力的。另一个批评是机器人运动的不均匀性，它没有沿着一条直线运动。

作为进一步发展的要求，一些用户希望实现无级控制。对于长距离移动，建议设置一个上下文菜单，允许通过滑块控制速度。或者，长距离的移动取决于按下图形UI上相应按钮的持续时间。

在所有场景中，36%(4/11)的参与者描述了该系统促进独立和自治的潜力。总的来说，18%(2/11)的参与者不喜欢人类或机器人的支持。另有18%(2/11)的参与者表示，他们只会使用机器人帮助，只要它不会导致完全取代他们的照顾者。参与者觉得和人类在一起更舒服。该参与者表示，如果他们的身体功能非常有限，或者没有其他人在场提供支持，他们将使用机器人辅助。除此之外，受访者认为机器人可以减轻他的亲戚的负担。

在基于任务的评估之后，参与者被要求对系统进行总体评估。

ROBINA系统的整体可用性使用SUS进行测量。平均而言，ROBINA系统的评分中位数为90(平均86.1;差75 - 95;最低70;(最高可达97.5分)，因此，在“优秀”或A级的范围内排名较高[ 27]。

此外，根据自行开发的问卷，参与者被问及在使用ROBINA系统时感知到的恐惧，系统的大小，以及图形UI的设计。

对于基于任务的ROBINA系统的使用，所有参与者(11/11,100%)表示他们没有感到任何焦虑。

关于大小，64%(7/11)的参与者认为ROBINA系统非常大，36%(4/11)的参与者认为它是合适的。

另一个焦点是图形UI的一般评估。大多数参与者通常将其评估为良好(8/11,73%)或非常好(3/11,27%)。关于图形UI中各种功能的可视化，73%(8/11)的参与者表示这些功能的可识别性非常好。总的来说，27%(3/11)的参与者认为它是好的。此外，64%(7/11)的参与者表示ROBINA系统在图形UI上对半自主执行的表示很好地满足了他们对机器人性能的期望。总体而言，36%(4/11)的参与者表示，实际执行情况非常符合这些预期。 图8呈现参与者评估的图形概述。在图形UI的定性评估中，参与者被要求提供详细的改进建议。根据参与者的说法，应该显示3D符号，以更好地阐明机器人的控制方向。字体应该更清晰(即大而粗)，并与背景形成对比。在黑暗中操作时，应调整对比度和亮度。通常，某些设置(如颜色和对比度)应该是可定制的。当使用头部控制时，用户可能会在不看屏幕的情况下无意识地触发一个功能。在2个案例中，参与者主动向研究人员提出了这个问题，在另一个案例中，在参与者将目光从平板电脑转移到真正的任务执行之后，实际上无意识地取消了正在运行的任务。总的来说，18%(2/11)的参与者建议在GUI的控制设计中设置一个区域，让用户不必担心无意识地触发某些内容。在 自由运动任务中，用户倾向于修改导航标签或通过使用合适的颜色概念使其更直观。此外，在图形用户界面中几乎没有使用机器人相对于操作对象的实时图像。相反，参与者在真实的研究环境中观察这个过程。参与者解释说，这是因为图形UI中的实时图像尺寸较小，无法显示机器人的整个交互空间。另一个原因是通过2D实时图像对交互区域的空间感知受到严重限制( 图3）.

本研究旨在探讨肌萎缩性侧索硬化症患者使用半自动机械臂支持肌萎缩性侧索硬化症的关键需求。为此目的，有四项示范活动( 端上饮料， 交出一部手机， 抓, 自由流动)在一项探索性和基于任务的实验室研究中对来自目标群体的11个人进行了评估。本研究采用多方法方法，包括定量和定性方法。

关于定量部分，在调查的示例场景中，机器人机械手的使用被认为是相关的。大多数参与者评价系统的操作简单，半自动机器人的动作令人愉快。与此同时，大多数参与者在半自主机器人行动过程中感到安全。差异是存在的，特别是在半自主机器人动作的执行速度和对人类协助的偏好高于机器人支持。

对有关应用程序的开放式问题以及观察和有声思考协议的定性分析提供了对以用户为中心的评估和开发需求的深入了解。这些发现可以概括为3个需求领域。

第一个领域涉及半自主机器人动作的角色和设计。总体而言，所研究的半自主机器人的能力得到了积极的评价。精确和动态的运动序列和小心地拾取物体特别突出。然而，与此同时，诸如运动路径不规则、与环境中的设备碰撞、拾取物体不准确等错误也变得明显起来。在这种背景下，精确可靠地执行半自动机器人运动和物体操纵以及环境和物体识别能力是关键的发展要求。另一个核心结果与执行速度有关，这应该根据用户的能力进行定制。一般来说，参与者希望对机器人操纵臂进行很大程度上的自我负责的控制。相反，当使用者的身体能力在白天下降(例如，由于疲劳)或由于疾病的进展过程时，应应用半自主机器人行动。

另一个需求领域涉及控制单元。关于操作机械臂的不同输入设备(如头部控制、鼠标控制和操纵杆)，在输入要求增加的情况下，使用头部控制被认为是费力的。由于使用的输入设备与仍然可用的身体能力相对应，因此对那些无法再使用四肢进行操作的受影响者的UI设计有很大的需求。在图形UI方面，输入选项越来越多，需要注意设计差异化的显示，以便更好地区分相应的机器人能力。

最后，最后一个领域涵盖了适应目标群体日常生活的机器人能力的要求。根据参与者的说法，使用机械手将增强他们在日常生活中的独立性、自主性和隐私性。然而，与此同时，测试场景的当前开发状态仍然会使用户依赖于人类的帮助。因此，已开发的机器人功能仅侧重于各自日常活动的特定子领域，并且需要各种用户自己或使用机器人都无法独立实现的初步活动。最后，关于促进自主和独立，也有人强调，使用机器人系统不应导致取代人的协助。

在接下来的章节中，我们的研究结果将与之前的研究进行比较。我们将重点关注通过定性分析确定的三个中心需求领域:半自主人机协作的需求，用户界面的需求，以及适应目标群体日常生活的机器人能力的需求。

研究结果的普遍性受到一些限制，这些限制将在本节中讨论。由于样本量小，结果应被视为未来研究的指示性。此外，从实验和探索性研究设计中得出了几个影响因素。第一个因素是由于研究演示机的技术开发处于早期阶段而采取的安全措施。我们的一些研究结果表明，这些措施对用户评价有影响( 抓场景)。此外，我们使用的是工业环境中的固定式机器人，这也是另一个影响因素(机器人尺寸)。目前的系统，如Kinova或Exact Dynamics系统，可以安装在用户的轮椅上，其特点是超薄和轻量级的设计。由于本研究的探索性试点性质，不能排除学习效应、新颖性效应、霍桑效应等多种影响变量。在这种情况下，每个参与者一次访问的研究持续时间应该作为一个特殊因素被提及。因此，本文的结果需要通过进一步的田间试验研究来评价。

辅助机器人在支持和促进各种ADLs中功能障碍患者的自主性和独立性方面具有巨大的潜力。为了实现疾病相关功能损失的有效补偿，对用户友好的系统设计提出了很高的要求。在此背景下，本研究调查并讨论了ALS患者对开发用于日常生活支持的半自主机器人机械手的要求和需求。与以往的研究一致，我们确定了三个关键需求领域，作为未来研发项目以用户为中心发展的重点。发展的一个基本先决条件是目标群体积极和持续地参与控制过程。因此，一种很有前途的方法是由自适应半自主控制系统组成，使用户能够参与自主决策和操作过程。如何在用户的技能水平和运动规划、物体和环境识别的技术挑战之间进行有效的协调，从而有效地完成任务，是一个需要解决的关键问题。开发的另一个重点是UI。由于物理限制，传统的输入设备在日常生活中可能是一个很高的精神和身体负担。基于平板电脑的图形ui可以在这方面提供很大的缓解，它简化了对各种机器人功能的访问，并通过使用各种可视化选项使机器人的行为更加可预测和可理解。 Finally, there is a strong need to develop a specific taxonomy for assistive robots that provides a standardized assessment of task parameters, efficiency, and performance to serve as a comparative standard in research and development.