通过虚拟环境中的交互式训练、行为测试和逆强化学习技术，实现了大规模人类行为模仿，提高了人工智能代理的交互能力，并成功解决了代理评估方面的挑战。

Dec, 2020

讨论了设计人类感知人工智能系统面临的挑战，包括建模人类的心理状态、识别其愿望和意图、提供主动支持、展示可解释性行为、并引发信任等，并强调这种系统引出的伦理困境和推广真正跨学科合作的必要性。

Oct, 2019

为满足弱势群体（如老年人、儿童和残障人士）在日常任务中对辅助技术的需求，提供适应他们多样化需求的基于人工智能的先进辅助解决方案的研究依然稀缺。为了填补这一空白，我们定义了一个重要而新颖的挑战 —— 智能帮助，旨在为残障人士提供主动且适应性支持，以应对各种任务和环境中的动态目标。通过利用 AI2-THOR 构建一个新的交互式 3D 真实家庭环境，我们引入了一个创新的对手建模模块，用于精确理解主要代理人的能力和目标，以优化辅助代理人的辅助策略。严格的实验验证了我们模型组件的有效性，并展示了我们整体方法在对比基准的优越性。我们的研究结果展示了人工智能辅助机器人在改善弱势群体的福祉方面的潜力。

Apr, 2024

本文讨论了构建具有社交交互能力的具体化自主智能体是人工智能面临的主要挑战之一，并指出了目前在具体化语言使用方面的研究方向存在的局限性。作者认为，实现人类水平的人工智能需要更广泛的关键社交技能。最后，通过实验研究了一种近期最先进的深度强化学习方法的局限性。

Apr, 2021

通过人类用户和人类导师之间的自然互动，我们创建了一个名为 WTaG 的多模态基准数据集，进而提出了用户与环境理解以及导师决策两个任务。我们利用多个基础模型研究这些模型在感知引导任务中可以快速适应的程度，并通过定量、定性和人工评估结果显示，这些模型在某些情况下可以表现出公正的性能，但快速可靠的适应仍然是一个重大挑战。我们的基准数据集和基线将为未来研究提供一个起点。

Nov, 2023

本研究设计了一款协作游戏 GuessWhich，通过人类和视觉对话代理人 ALICE 的互动来测试人 - AI 团队的性能表现，并发现 AI 独立测试的表现与人 - AI 团队的性能表现存在差异。

Aug, 2017

本文研究使用 Ask4Help 策略允许智能体请求和使用专家援助以提高其性能，并在物体目标导航和房间重排两种场景下得到了实质性的改进。

Nov, 2022

构建社交智能 AI 代理（Social-AI）是一个跨学科、多模态的研究目标，涉及创建能够感知、理解、推理、学习并回应其他代理（人类或人工）的情感、行为和认知的代理。过去十年，在自然语言处理、机器学习、机器人技术、人机交互、计算机视觉和语音等几个计算社区中，社交智能 AI 取得了进展。这篇立场论文中，我们确定了一组潜在的技术挑战和开放性问题，以促进社交智能 AI 的研究，并结合社交智能概念和以往的研究进展进行讨论。

Apr, 2024

提出了一种利用场景图生成和常识知识的架构来检测用户隐含需求并生成一组辅助动作的方法，同时也使用情感分析来解决任务，实现了感知、决策、动作循环的嵌入。

Feb, 2022

在复杂的模拟环境中，研究表明人工智能与人类的合作胜过仅有人类或仅有人工智能代理的情况，并开发出了一种用户界面，使人类有效地协助人工智能代理。

Dec, 2023