2026年5月12日至22日，由湖南大学设计艺术学院组织的“AI + Ergonomics”设计工作坊顺利举行。本次工作坊由王海宁教授、Roger教授、欧静副教授和黄春喜助理教授带领研究生围绕“人体数据×设计适配×AI 技术”的前沿交叉议题进行，组织开展为期10天的AI设计研究与原型实践。
本次工作坊以问题为牵引，在短周期中完成研究与设计转译。以真实设计流程中的问题识别、数据理解、技术转译与系统构建为主线，鼓励同学们从人体数据在设计过程中的实际应用出发，分析当前流程中的关键断点，探索AI技术从效率工具走向智能协作伙伴的可能路径，并进一步思考未来实验室研究、产品开发与人因设计实践中的新机会。
Group 1 面向个性化AI的本地优先隐私保护框架
研究问题：How might future AI agents protect user privacy while becoming more personalized and intelligent?
面对当前AI高度依赖云端计算、用户对数据流向与记忆权限感知不足等问题，小组提出了Privy系统概念。该系统以本地设备运行为基础，将敏感数据默认保留在用户端，并通过短期记忆、长期偏好与核心隐私层的分级管理机制，使用户能够清楚了解AI正在访问、使用和记住哪些信息。系统进一步强调权限可视化、用户确认、可随时修改或删除的数据管理方式，以及透明行为、可解释响应、可审计日志和加密传输机制，为未来个性化AI的可信使用提供了设计框架。
Group 2 面向未来开放式设计迭代的AI工具构建研究
研究问题：What will AI for designers be like in 2030？
以2030年设计生态为想象场景，邀请来自时尚、工业、体验、产品与工程等领域的跨界创作者参与线上工作坊，并基于DesignForge应用原型展开未来设计流程构想。方案认为，AI将推动设计范式从“为他人设计”走向更具个体表达的“为自我设计”，降低创作门槛，激活普通用户的创造力。与此同时，AI不应只是顺从指令的效率工具，而应成为能够感知情绪、提出质疑、辅助批判和共同迭代的创造伙伴。在多智能体驱动的“钻石串模型”中，传统线性的双钻模型被拓展为开放的连续迭代系统，设计师的核心价值也从单一技能执行转向对人性、情境与真实问题的深度洞察。
主题2. 面向未来开放式设计迭代的AI工具构建研究
Group 3 用户主观体验向工程设计参数的转译研究
研究问题：Why is human experience still difficult to participate in engineering decision-making workflows?
ErgoBridge AI面向智能硬件与长期人机交互场景，尝试解决“用户能够表达不适，但设计团队难以判断具体优化方向”的问题。平台结合LLM语义理解、Human Factors Knowledge Graph与Validation Feedback Loop，将用户反馈逐步转化为人体机制分析、工程参数映射与设计优化建议。例如，当系统识别到“前侧坠感”“颈部疲劳”等反馈时，可进一步关联重心偏移、肌肉负荷与接触压力等因素，并映射到重心调整、支撑结构优化和接触面积优化等设计方向。该方案突出从“人的感受”到“工程参数”的转译能力，也体现了人因机制在早期设计决策中的介入价值。
Group 4 面向设计师的AI辅助人因数据评价工具构建研究
研究问题：With the help of AI, how can we turn human factors experimental data into evaluation tools for designers?
围绕人因实验数据如何服务设计决策的问题，小组提出了Foresight演示系统。该系统面向鼠标产品的早期设计阶段，支持设计师上传鼠标模型并调节总长、尾部宽度、腰部宽度等关键几何参数。系统基于既有人因实验数据生成不同手型样本，模拟握持后的适配状态，使设计师能够观察不同手部尺寸与鼠标之间的贴合关系、接触情况和潜在不适区域。评测完成后，系统可输出整体握持舒适度评分、关节细分得分与AI优化建议，帮助设计师在方案迭代中更早识别风险并形成量化依据。
主题4. 面向设计师的AI辅助人因数据评价工具构建研究
Group 5 面向智能产品人因实验的人体测量数据战略
研究问题：How can AI help us analyze these massive experimental data ?
小组构建了面向智能产品人因实验的AI Design Agent，尝试将实验数据分析、用户体验评估与产品设计决策连接起来。系统基于本地大模型部署，结合Python数据处理、统计分析与可视化方法，可对鼠标人因实验中的手型特征、任务负荷、产品尺寸参数和主观评价数据进行综合分析。用户上传实验数据后，系统能够筛选目标人群与场景，计算舒适度和综合体验指标，生成推荐尺寸范围、候选方案表、热力图、参数化鼠标示意图与设计档案卡。其价值不止于“自动分析数据”，更在于通过可解释的人因逻辑，将实验结果转化为可执行的设计建议。
Group 6 AI介入人体适配设计的人机协作模式研究
研究问题：How does AI participate in body-fit design？
AI的介入正在重构人体适配设计的工作逻辑。本研究围绕“AI如何参与人体适配设计”这一命题，建立了传统流程与AI增强流程的八阶段对比框架，并提出三级AI参与分类——人类主导AI辅助、AI执行人类统筹、AI自主人类治理，系统刻画不同阶段中人机职责的分配方式与决策权归属。在此基础上，研究归纳出关键洞察：AI重构了设计师的核心职能，压缩了物理迭代成本，拓展了人体覆盖范围，并将传统线性流程演变为具备使用数据闭环的自适应系统。与此同时，人机信任机制的建立、训练数据的代表性偏差与设计师专业技能的迁移，是这一转型面临的主要挑战。
AI技术正在为人因设计带来新的方法工具与协作形态，但其真正价值并不局限于效率提升，而在于帮助设计师更深入地理解人的体验、信任、安全与适配问题，将复杂的人体数据、实验结果与主观反馈转化为面向设计行动的知识。面向未来，湖南大学设计艺术学院将继续鼓励学生在技术快速演进的背景下开展跨学科探索，在真实问题中锻炼研究能力、系统思维与原型构建能力，进一步拓展设计学科在智能时代的研究边界与实践可能。
初审：王海宁
复审：张朵朵
终审：袁翔
