Computergestützte Interaktion und Mobilität (CIAO)

Titel: Computergestützte Interaktion und Mobilität (CIAO)

Projektdauer: 3+3 Jahre (gestartet im August 2023, Zwischenevaluation 2026)

Forschungsbereich: Ingenieurwesen und Betriebswirtschaft

Die Juniorforschungsgruppe Computational Interaction and Mobility (CIAO) arbeitet an der Schnittstelle von Machine Learning, Human-Computer Interaction und Mobilität. Wir entwickeln computergestützte Modelle, die menschliches Interaktionsverhalten simulieren. Diese Modelle können zur Evaluation von Benutzeroberflächen eingesetzt werden, vorhersagen, wie Nutzer mit diesen interagieren, und ermöglichen es Designern und Forschenden, nicht nur die Nutzer, sondern auch ihr Design besser zu verstehen. Wir entwickeln Modelle, die entweder datengetrieben sind (unter Verwendung von Nutzungsdaten, die von Kunden gesammelt wurden) oder auf computergestützter Rationalität basieren.

Problemstellung

Bei CIAO sind wir fest davon überzeugt, dass die Gestaltung, Entwicklung und Evaluation intelligenter mobiler Geräte (wozu auch Autos gehören) noch nicht ausreichend menschenzentriert ist. Dies führt zu Entscheidungen, die von den Kundenbedürfnissen und realen Problemen losgelöst sind. Wir möchten den aktuellen Designprozess neu denken. Datengetriebene Erkenntnisse und maschinell-lernbasierte Nutzermodellierung müssen ein integraler Bestandteil des Produktentwicklungs- und Evaluierungsprozesses sein. Nur so kann der Vielfalt individueller und kontextueller Faktoren Rechnung getragen werden und Systeme entwickelt werden, die für alle Nutzer in allen Situationen einfach und sicher zu bedienen sind.

Ziele

Wir wollen zu einem besseren Verständnis beitragen, wie Menschen mit intelligenten mobilen Schnittstellen und Transportsystemen interagieren, indem wir neue datengetriebene Nutzermodelle und Evaluierungsmethoden entwickeln (1) auf Basis von supervised Machine Learning und (2) auf Basis der Theorie der computergestützten Rationalität und Reinforcement Learning.

Technologie

Die von uns entwickelten Nutzermodelle basieren entweder auf supervised Machine-Learning-Methoden, wenn sie datengetrieben sind, oder auf Reinforcement Learning, wenn es sich um computergestützt rationale Modelle des Nutzerverhaltens handelt.

Zusätzlich zur Nutzermodellierung entwickeln wir auch einen Mixed-Reality-Fahrsimulator auf Basis der Arbeit einiger unserer Kollegen an der TU Eindhoven. Der Fahrsimulator wird mit der Unity-Spieleengine entwickelt und dient als Werkzeug zur Evaluation unserer Modelle und zum Vergleich ihrer Vorhersagen mit empirischen Ergebnissen aus Nutzerstudien.

Ein Beispiel für einen computergestützt rationalen Agenten, der die begrenzt optimale Interaktion mit einem fahrzeuginternen Informationssystem während der Fahrt beschreibt

Ausblick

Langfristig hoffen wir, dass unsere Modelle zu einem besseren Verständnis beitragen, wie Menschen mit (intelligenter) Technologie interagieren. Das durch unsere Modelle generierte Wissen hilft Designern und Entwicklern, Systeme zu schaffen, die menschliche Grenzen (kognitiv, motorisch, perceptuell) berücksichtigen, was angesichts des Paradigmenwechsels hin zur Mensch-KI-Kollaboration besonders wichtig ist.

Publikationen

Drei Beispielveröffentlichungen aus der Zeit vor Gründung der Gruppe:

• P. Ebel, C. Lingenfelder, and A. Vogelsang, „On the forces of driver distraction: Explainable predictions for the visual demand of in-vehicle touchscreen interactions,“ Accident Analysis & Prevention, vol. 183, p. 106956, Apr. 2023
• P. Ebel, C. Lingenfelder, and A. Vogelsang, „Multitasking while driving: How drivers self-regulate their interaction with in-vehicle touchscreens in automated driving,“ International Journal of Human–Computer Interaction, pp. 1–18, 2023
• P. Ebel, J. Orlovska, S. Hünemeyer, C. Wickman, A. Vogelsang, and R. Söderberg, „Automotive UX design and data-driven development: Narrowing the gap to support practitioners,“ Transportation Research Interdisciplinary Perspectives, vol. 11, p. 100455, Sep. 2021

Team

Leitung

• Dr. Patrick Ebel

Teammitglieder

• Martin Lorenz
• Juliette-Michelle Burkhardt
• Timur Getselev