实时测量认知负荷

Tobii与SOMAREALITY如何塑造眼动追踪技术的未来

在高风险环境中，认知过载不仅是一个挑战，更是一种风险。传统上，要检测一个人是否处于过度用脑状态十分困难，需要借助EEG等侵入性设备。但得益于眼动追踪技术和认知算法的进步，如今已能够非侵入式地实时监测脑力负荷。

当脑力消耗关乎安全 

想象一下，一位外科医生正在进行一场长达六小时的手术。每一个决策都至关重要，但疲劳却悄然袭来，导致注意力逐渐分散，出错风险增加。又或者，一位飞行员在夜间穿越湍流，此时每一秒的反应时间都关乎安全与灾难的差别。 

问题所在：为何认知负荷过载未被察觉 

我们投入的脑力，即认知负荷，会在不知不觉中累积。司机逐渐困倦，外科医生注意力分散，飞行员面临瞬时决策疲劳。在没有明显预警信号的情况下，表现可能会在任何人察觉之前就出现下滑。

结果如何？在那些对精准度要求极高的环境中，反应延迟、错误增多，风险也随之升高。

解决方案：眼动追踪——洞察认知的窗口 

我们的双眼诉说着大脑的故事。瞳孔大小的变化、注视模式以及眼跳都可作为脑力负荷的数字化生物标志物。瞳孔放大往往意味着脑力投入增加。注视时间延长表明处理过程更为深入。快速的目光移动则暗示着在压力下的扫描行为。

此时，瞳孔对光反射（PLR）便派上了用场。虽然我们的瞳孔会自动对光线做出反应，但它们同样会对认知努力产生反应。事实上，细微的瞳孔扩张就能揭示出某人大脑的运转是否比平时更为费力。

通过持续测量这些信号，眼动追踪技术提供了一个非侵入式、实时洞察脑力消耗的窗口。它能在问题出现之前就识别出认知过载。

数据质量为何至关重要：Tobii的优势 

但问题在于：并非所有眼动追踪数据都同样可靠。凝视追踪中的微小误差或瞳孔测量结果的不一致都可能导致误导性的结论。

这正是Tobii发挥作用的地方。凭借在高精度眼动追踪硬件领域数十年的领先地位，Tobii确保了数据在各种环境下的准确性、稳定性和可靠性——无论是研究实验室还是实际应用场景。

将数据转化为洞察：SOMAREALITY的独特方法 

如果说Tobii提供的是原始、高质量的视觉数据，那么SOMAREALITY则赋予了解读这些数据的智慧。

SOMAREALITY开发了先进的认知算法，能够将Tobii精确的眼动追踪信号转化为实时的工作负荷、注意力和疲劳度指标。该方法的独特之处在于其实时亮度模型——该模型能够在运行过程中过滤掉所有非认知活动，同时其专注于科学研究。凭借超过10篇的同行评审出版物，以及诸如Intuitive Surgical、Lufthansa和奥地利武装部队等客户，SOMAREALITY能够为客户提供从实施到解读的全方位有力支持。

• 瞳孔对光反射（PLR）: 区分由光线驱动的瞳孔变化与由脑力努力驱动的瞳孔扩张，确保认知负荷检测的可靠性。 

• 注视行为: 注视时间较长表明处理过程更为深入，而注视时间较短则可能表示正在进行扫描或处于认知过载状态。 

• 眼跳运动: 注视点之间的眼跳揭示了搜索策略和压力水平。

实际应用案例 

外科与医疗保健领域 

• 实时反馈助力外科医生在长时间手术中保持专注。

• 算法提前检测认知过载，降低出错风险。

• 培训项目根据每位学员的认知状态动态调整。

航空与飞行安全领域 

• 监测飞行员在起飞、降落等关键阶段的脑力负荷。

• 帮助教官在模拟器中识别学员的高压力时刻。

• 提升安全性和培训效率。

汽车与驾驶员监测领域 

• 检测驾驶员困倦或分心的早期迹象。

• 作为额外安全层，减少事故发生。

• 为消费级和工业级驾驶场景提供实时反馈。

虚拟现实与培训环境领域 

• 自适应模拟训练，根据脑力负荷调整难度。

• 深入了解人们如何学习、集中注意力及知识留存。

• 应用于国防、医学培训及劳动力发展等领域。

学术验证与行业推动力 

眼动追踪技术并非仅停留在理论层面。它已在认知心理学、人机交互和神经科学等多个领域得到验证。研究表明，瞳孔反应与脑力负荷之间存在显著相关性，而应用研究则证明了该技术在培训、安全保障和提升表现方面的实际影响。

Tobii与SOMAREALITY的合作标志着这一领域的下一步发展：将严谨的学术研究与实际、现实世界的部署应用相结合。

展望未来：认知监测的发展前景

眼动追踪技术与认知负荷监测相结合，将引领下一波人机协作浪潮。这一点在诸多领域已初现端倪，如汽车能够检测驾驶员疲劳状态，自适应培训系统可防止认知过载，手术室能防范人为失误等。

Tobii凭借其无与伦比的数据质量，加之SOMAREALITY开创性的算法，备受信赖的实时认知监测未来已来。

相关文献

Stolte, M., Gollan, B., & Ansorge, U. (2020). Tracking visual search demands and memory load through pupil dilation. Journal of Vision, 20(6), 21-21. Gollan, B. (2017). 

Sensor-based Online Assessment of Human Attention. Submitted by Benedikt Gollan (Doctoral dissertation, Universität Linz). Gollan, B., Haslgrübler, M., & Ferscha, A. (2016, September). 

Demonstrator for extracting cognitive load from pupil dilation for attention management services. In Proceedings of the 2016 ACM International Joint Conference on Pervasive and Ubiquitous Computing: Adjunct (pp. 1566-1571). Gollan, B., & Ferscha, A. (2016). 

Modeling pupil dilation as online input for estimation of cognitive load in non-laboratory attention-aware systems. COGNITIVE. Gollan, B., Wally, B., & Ferscha, A. (2011). 

Automatic human attention estimation in an interactive system based on behavior analysis. Proc. EPIA 2011. Jungwirth, F., Gollan, B., Breitenfellner, M., Elancheliyan, P., & Ferscha, A. (2019, September). 

EyeControl: wearable assistance for industrial maintenance tasks. In Adjunct Proceedings of the 2019 ACM International Joint Conference on Pervasive and Ubiquitous Computing and Proceedings of the 2019 ACM International Symposium on Wearable Computers (pp. 628-632). Haslgrübler, M., Gollan, B., & Ferscha, A. (2018). 

A cognitive assistance framework for supporting human workers in industrial tasks. IT Professional, 20(5), 48-56. Ferscha, A., Zia, K., & Gollan, B. (2012, September). 

Collective attention through public displays. In 2012 IEEE Sixth International Conference on Self-Adaptive and SelfOrganizing Systems (pp. 211-216). IEEE. Thomay, C., Gollan, B., Ferscha, A., & Spiess, M. (2019, November).  

Taking Off: Towards Real Competence-Based Flight Pilot Training. In 2019 17th International Conference on Emerging eLearning Technologies and Applications (ICETA) (pp. 764-769). IEEE. Thomay, C., Gollan, B., Haslgrubler, M., Ferscha, A., & Heftberger, J. (2018, November). 

The Other Kind of Machine Learning: Modeling Worker State for Optimal Training of Novices in Complex Industrial Processes. In 2018 16th International Conference on Emerging eLearning Technologies and Applications (ICETA) (pp. 577-582). IEEE