Repensando la interacción con vehículos autónomos

A medida que las ciudades se vuelven más inteligentes, el número de sistemas autónomos, como los coches que se manejan solos, está aumentando. Este cambio significa que necesitamos repensar cómo la gente interactúa con estos vehículos. Una forma de hacerlo es a través de algo llamado interfaces externas humano-máquina (EHMIs). Estas interfaces ayudan a los coches a comunicar sus intenciones a los peatones. Este artículo analiza un estudio que involucra diferentes maneras de mostrar estas interfaces usando realidad virtual (VR) y videos.

#Antecedentes del estudio

El objetivo del estudio era ver cómo diferentes tipos de representaciones de eHMIs afectaban los sentimientos de confianza y la Experiencia del usuario. Los investigadores usaron tres tipos de representaciones: VR del mundo real, VR generada por computadora y video del mundo real. Querían responder a varias preguntas:

1. ¿Cómo afecta la representación la sensación de presencia de una persona?
2. ¿Cómo influye en la confianza en la eHMI?
3. ¿Qué impacto tiene en la experiencia del usuario?

#Metodología

#Participantes

Un total de 42 personas participaron en el estudio. Eran diversas en términos de género y edad, asegurando una variedad de experiencias. Los participantes fueron reclutados a través de canales universitarios y se les asignó al azar para comenzar con una de las tres representaciones prototipo.

#Representaciones Prototipo

Los tres tipos de representaciones de eHMI fueron:

1. VR del Mundo Real (RW-VR): Esto involucró usar una cámara de 360 grados para grabar escenas de la vida real donde operaba la eHMI. Los participantes vivieron estos escenarios a través de visores VR.

2. VR Generada por Computadora (CG-VR): Para esto, un diseñador 3D creó un entorno virtual que se parecía a los escenarios del mundo real. Los participantes interactuaron con esta representación de VR.

3. Video del Mundo Real (RW-Video): Esto consistió en usar videos grabados del mundo real, pero mostrados en un monitor en lugar de en VR.

Cada representación tenía la misma exhibición de luces en los vehículos para indicar su intención y conciencia.

#Procedimiento del Estudio

Los participantes primero recibieron un resumen del estudio, llenando formularios de consentimiento y cuestionarios demográficos. Cada participante pasó por las tres representaciones prototipo, completando cuestionarios después de cada experiencia. Estos cuestionarios medían la sensación de presencia, confianza y experiencia del usuario. Además, se realizaron entrevistas semiestructuradas para obtener comentarios detallados.

#Hallazgos

#Sensación de Presencia

Los resultados mostraron que tanto RW-VR como CG-VR proporcionaron una sensación de presencia más fuerte en comparación con RW-Video. Los participantes se sintieron más conectados a la escena cuando estaban en entornos VR, lo que les permitió sentir que realmente eran parte del ambiente. Los participantes informaron que RW-VR era particularmente efectivo porque representaba un entorno realista, haciéndolos sentir que realmente estaban allí.

#Confianza

La confianza en los vehículos variaba entre las diferentes representaciones. Mientras los participantes generalmente confiaban en los vehículos, aquellos que experimentaron representaciones RW sintieron más confianza. Los participantes señalaron que ver al vehículo comportarse de manera segura en escenarios del mundo real aumentó su confianza. Por otro lado, CG-VR a veces parecía menos confiable, ya que los participantes comentaron sobre el comportamiento menos natural de los vehículos en ese entorno.

#Experiencia del Usuario

La experiencia del usuario se evaluó usando un cuestionario que se centraba en diferentes aspectos de la eHMI. A pesar de no haber diferencias significativas en las calificaciones entre las tres representaciones, hubo tendencias reflejadas en las entrevistas. Por ejemplo, los participantes en RW-Video tendían a recordar mejor los patrones de luz que los de VR. Reportaron haberse distraído por los elementos inmersivos en VR, lo que afectó su enfoque en la eHMI.

#Discusión

El estudio reveló ideas importantes sobre cómo diferentes maneras de mostrar eHMIs afectan los comentarios de los usuarios. Aquí hay temas clave que surgieron:

#Realismo Visual

Los participantes preferían RW-VR principalmente por su alto realismo. Se sentían más naturalmente inmersos en el entorno y les resultaba más fácil entender la función de la eHMI. La representación realista de la escena minimizaba su carga cognitiva, permitiéndoles concentrarse en las acciones del vehículo.

#Fidelidad de Interacción

Los participantes podían mirar alrededor en RW-VR, pero se sentían limitados en movimiento. Esta limitación llevó a algunos a sentir que simplemente estaban observando en lugar de interactuar. En contraste, CG-VR ofreció más libertad de movimiento, pero carecía del mismo nivel de inmersión.

#Factores que Influyen en la Confianza

La evaluación de confianza de los participantes dependía de varios aspectos, incluyendo:

• Comportamiento del vehículo: Ver al vehículo detenerse por los peatones aumentó la confianza.
• Realismo del entorno: Los participantes se sentían más seguros en entornos realistas.
• Dinámicas sociales: Los participantes notaron cómo las otras personas a su alrededor influían en sus niveles de confianza.

Los participantes expresaron menos confianza en CG-VR debido a la incapacidad de los avatares virtuales para imitar con precisión el comportamiento humano real. Esto llevó a sentimientos de incomodidad e incluso ansiedad.

#Perspectivas de la Experiencia del Usuario

El estudio destacó que a pesar de las calificaciones generales similares, los participantes tuvieron una experiencia de usuario más rica en las representaciones RW. Pudieron involucrarse más profundamente con el escenario y proporcionar comentarios más significativos sobre la eHMI. Muchos participantes también comentaron que su enfoque se trasladó a evaluar la experiencia general, en lugar de solo la interfaz en sí.

#Directrices para Prototipar y Evaluar eHMIs

Basado en los hallazgos del estudio, surgieron varias directrices para futuras investigaciones y diseño:

1. Usar Prototipos No Inmersivos para Evaluaciones Enfocadas: Los prototipos basados en video pueden evaluar efectivamente la confianza y las interacciones sin la complejidad de la VR.

2. Prototipos Inmersivos para Evaluaciones Holísticas: Las representaciones VR pueden ayudar a los usuarios a interactuar con la eHMI de una manera más significativa, capturando la experiencia del usuario completa.

3. Elegir Representaciones del Mundo Real para Familiaridad: Los entornos del mundo real aumentan la sensación de seguridad y brindan comentarios más ricos.

4. Interacciones Escenificadas Mejoran el Compromiso: Planificar escenas que incluyan interacciones con peatones puede llevar a mejores evaluaciones y reducir la fatiga del participante.

5. Tener en Cuenta el Entorno: Considerar cómo el entorno y las interacciones sociales impactan la confianza y la experiencia.

6. Colocación Cuidadosa de la Cámara en VR: Asegurarse de que la posición de la cámara maximice la inmersión mientras se previene el movimiento del participante.

7. Limitar Detalles en Representaciones CG: Enfocarse en características esenciales para evitar imperfecciones distractoras en los mundos virtuales.

#Limitaciones y Trabajo Futuro

Aunque el estudio produjo ideas valiosas, tuvo limitaciones. El número de participantes podría considerarse limitado para un análisis cuantitativo, y la novedad de la VR podría haber influido en las experiencias de los participantes. Estudios futuros deberían explorar cómo diferentes diseños de avatares y configuraciones ambientales afectan los comentarios de los usuarios.

Además, la investigación podría analizar cómo los usuarios interactúan con las interfaces durante periodos más largos, examinando cómo mantener el compromiso sin causar fatiga. Estas ideas podrían mejorar los procesos de diseño y evaluación para futuros sistemas autónomos y sus interfaces.

#Conclusión

A medida que nuestras ciudades evolucionan con más tecnologías autónomas, entender cómo diseñar interfaces efectivas se vuelve crucial. Los hallazgos de este estudio proporcionan una base para mejorar cómo los usuarios interactúan con estos sistemas, asegurando experiencias más seguras y amigables en nuestros paisajes urbanos en constante cambio.