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
本研究提出了一种基于马尔可夫决策模型的方法,针对人与机器人合作中存在的不确定性,自动推导出可能的人类行为策略,并提出了一种基于部分可观察的马尔可夫决策过程的机器人计划算法。实验结果表明该方法可实现合作任务的稳定性和高效性。
Feb, 2023
本文介绍了如何通过风险意识的人类行为模型来安全、高效地进行机器人技术和人类的协同作业过程,旨在预测和规划人类常常表现出的非最优行为。
Jan, 2020
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
我们的研究旨在通过一套合理的人机相互适应形式化方法,将有限记忆人类的行为方式融入到部分可观测的随机决策模型中,以改善人机团队的表现并保留对机器人的信任。
该研究基于情境评估,提出了一种新颖的解决方案,可以在人机团队合作中帮助机器人预测和模拟人类决策,并通过沟通协调达到信念一致,提高问题解决效率和鲁棒性。
Oct, 2022
本研究通过一个协同迷宫游戏设计,用深度强化学习技术实现了人机共同协作。研究结果证明人机共同协作相互影响,在时间的推进下不断适应并建立起相应策略,这为人机智能的协作提供了可行的方案。
Mar, 2020
本研究模拟机器人学习算法为动态系统,控制为机器人观察到的人类数据,利用可达性分析和最优控制解决机器人在线学习参数的安全问题,并在自主驾驶和室内导航等四个领域展示了其实用性。
Mar, 2021
本文评估了一种人机协作方案,该方案结合了任务分配和动作规划推理的层次,使用贝叶斯推理预测他的人类伴侣的下一个目标,并实时重新规划自己的行动,实现了预期的适应性,取得了良好的人 - 机表现优化。
Feb, 2018
本文通过运用机器学习算法与博弈论的框架, 利用多个均衡状态来调节和预测智能人和机器之间的协同适应交互, 并发现某些算法可有效地控制人的行为,从而引导人机交互达到机器的最优状态。
May, 2023