本研究利用随机贝叶斯博弈理论，提出了 Harsanyi-Bellman Ad Hoc Coordination (HBA) 解决协调问题的方法，实验证明其在多智能体系统的 logistics 领域和人机交互中都具有高效性和灵活性。

Jun, 2015

本文概述了机器人与人合作的概率规划和博弈论算法的研究，包括不确定性建模和对人类内部状态和变化的推理，以及在多个实际场景下实现的具体行为。

Jul, 2017

本研究提出了一种通用模型，旨在设计具有社交智能的个体理性学习者的 AI，以实现其与其他类型的代理人的有效合作。该研究重点讨论了合理性、后悔和泛饱和效率对于实现社交智能的影响，并探讨了构建稳健的系统的重要性。

May, 2023

研究表明，当自主算法如自我博弈和基于群体的训练算法用于训练智能体时，智能体往往只能与自己合作，而不能与人类合作。本文在一个类似于烹饪过程的环境中设计了几个智能体，以展示他们在与人类协作方面的表现，并探讨了更好协作的设计方法。

Oct, 2019

基于认识逻辑的合作代理研究中探讨了在没有共享模型的情况下，代理能够通过动态规划行动或交流来解决合作中的不一致。研究提出了一种在条件信念逻辑基础上扩展的形式化表示方法，用于显式地表示代理对可行计划和执行状态的嵌套信念，同时提供基于蒙特卡洛树搜索的在线执行算法，包括用于解释计划可行性、宣布意图和提问的通信行动，并通过评估算法的成功率和可扩展性证明，我们的代理能够更好地适应没有共享模型的团队合作。

Jul, 2023

使用大型语言模型开发协同规约，能够有效引导人类和人工智能之间的协调；通过将问题分解、多个新会话和人类反馈等策略应用于规约制定问题，可以获得更高效的协调规约；在与真实人类协同时，该方法与人类偏好更加一致，性能平均提高了 15%。

Nov, 2023

人工智能代理在现实世界中的部署需要与人类（以及其他异构的 AI 代理）可靠地合作。为了提供成功合作的形式化保证，我们必须对合作伙伴代理的行为做一些合理的假设。这项工作研究了在一个有限重复的、两个玩家的一般化总和矩阵游戏中与一个代理人群合作的问题，通过个体理性学习者的假设和在某个 Pareto 有效均衡策略下高概率实现至少与该策略相同效用，我们证明了这些假设本身不足以保证与目标人群成员的零 - shot 合作。因此，我们考虑了通过先前观察到的人群成员相互作用来学习与这样的人群合作的策略问题，并给出了学习有效合作策略所需样本数量的上限和下限。最重要的是，我们证明了这些界限可以比通过一种 “天真” 的问题简化到模仿学习中产生的界限更强。

Jun, 2024

研究人机协作中的不完全适应现象，提出一种基于博弈论的人机部分适应模型，实验结果显示该模型显著提高了人机团队的性能。

Jan, 2017

论文提出的新度量方法 EDP 和规划算法可解决 “即兴团队合作” 中出现的困难，其中队员可在特定费用下相互通信但必须平衡基于观察还是基于通信的计划识别。

Mar, 2021

研究如何使用自然语言来协同解决物理装配问题，结果表明，参与者通过使用更高级别的指称表达逐渐提供越来越简洁的指示，从而达成了共享过程中的概念抽象，这为智能体之间的共同程序化抽象的协调提供了归纳偏见的启示。

Jun, 2021