本文介绍了一种新颖的交互式多对象搜索任务，并提出了一种层次强化学习方法，学习探索、导航和操作技能，该方法在模拟和实际的实验中展示了零样本迁移和对不同机器人运动学的适应性。

Jul, 2023

本文提出 FlexHRC + 用于高度可变的工厂任务中提供协作机器人更高的自主性，包括三个层次的感知、表示和行动，并在家具组装和物体定位任务中展开了实验。

Sep, 2020

本文介绍一个从人与人互动学习到人机互动的方法，通过使用隐马尔可夫模型作为潜在空间先验，并结合变分自编码器来建模互动代理之间的联合分布。利用从人与人互动中学习到的互动动力学来学习人机互动，并将人类观测结果作为训练基础，从而预测更准确的机器人轨迹。进一步通过逆运动学调整生成的机器人动作，以确保与人之间的期望物理接近性，结合了关节空间学习的便利性和准确的任务空间可达性。在富含接触的互动中，我们利用 HMM 分割来调节机器人的刚度以实现柔顺的互动。通过用户评测，我们验证了所提方法在一个人形机器人上的有效性。尽管仅通过两个人的数据进行训练，我们的方法在不同人类之间表现出很好的泛化性能。实验结果表明，用户认为我们的方法更具人性化、及时性和准确性，并且较其他基准方法更具优势。

Nov, 2023

研究通过计算建模和优化技术，提升人工智能与人类队伍的协同性能，其中人类和机器智能代理由于环境知识不完整而发挥亚最优能力，并采用在线贝叶斯方法推断人们愿意接受机器的协助，实验结果显示协作方式与团队性能、用户信任和对机器的好感度存在显著关联。

Mar, 2024

通过结合心理学和神经科学的成果，利用具有体验的机器人技术，实现智能化人机协同决策，并探讨了此方法在实现体验化人机协同合作方面的应用与研究。

May, 2017

使用视觉、用户意图推断和人机共同控制的框架，旨在解决机器人远程操作系统中的挑战，同时缓解大脑 - 计算机接口下的噪音和错误低维度运动指令问题。我们使用共同控制辅助框架对两个使用了颅内脑机接口的受试者进行实验，并取得了显着的性能提升，在门的开启、从容器中倒液体和在密集且杂乱的环境中使用新型物品等任务中进一步展示了我们架构的可扩展性。

Mar, 2015

该研究提出了一种基于行为树的动态角色分配和协同任务规划的新型架构，使用混合整数线性规划来指定团队中个体的角色或协作，各种指标作为 MILP 成本允许体系结构支持协作的各个方面，并通过增强现实用户界面实现了人 - 系统之间的双向通信，以协调处理不同操作阶段的工人，并通过主观评估证明了该架构的高可用性和适用性。

Jan, 2023

我们提出了一个针对协同智能系统的分层框架，运用机器学习辅助，针对交互活动和信息共享的不同层次和挑战，包括传统工程方法和现代机器学习方法，最后探讨了沟通和理解共享、解释和社会协同等问题，总结出未来的研究挑战和为人类社会带来的经济和社会影响。

Dec, 2022

本研究探讨了人工智能生成系统的不同工作模式，包括人机协作生成，以及探究人们对于这些模式的偏好和使用体验。我们的实验表明，覆盖更广阔的设计空间可以提高用户的满意度和成就感，而谨慎的介入和解释可以更好的适应不同技能水平的用户。

May, 2023

该论文提出了一种基于三个原则的方法，分析、设计和评估了有意义的人类控制（MHC），并在军事情境下进行了一项案例研究，其中机器人和士兵一起参与了一项搜救任务。

May, 2023