在小型、受控的实验室环境中，现有的人类自动驾驶运动规划研究产生了宝贵的知识；然而，据我们所知，文献中没有长期运行的大型研究。作为传统实验室研究中获得的高保真研究数据的补充，这种 "野外"方法将以以前无法达到的方式改进人类自动驾驶系统。通过使用对普通消费者来说普遍存在的技术，如智能手机和可穿戴电脑，参与这种长期的移动研究是可行的。已经有人努力将人类自动化研究环境改编为手机游戏，并开发了一个采用消费级可穿戴传感器的被动连续数据收集平台。像这样的系统为设计和部署大规模的人类自动化研究提供了必要的构建模块。

本技术报告介绍了一项正在进行的大样本纵向研究的初步结果，其中人类参与者在与自主智能体交换控制权的同时玩动态避障游戏。参与者注册并安装了 "Busy Beeway"，这是实验设置中的移动游戏部分，并佩戴了连接到 "StudentLife "应用程序的Garmin传感器，以提供反映每个玩家生活背景的额外数据。这里提出的评估主要集中在分配不同配置的人工智能伙伴对游戏表现的结果，以发现任何出现的行为模式，并确定玩家的生物背景是否能影响他们的游戏。我们发现各种各样的游戏模式取决于特定的玩家、分配的人工智能，有时甚至取决于玩家的生物背景的变化。这表明需要在未来的工作中找到一种方法，可以根据每个人所有这些因素的组合来预测什么样的人工智能配置能产生最理想的结果。