一种人机协同应急处置决策方法

May, 2023

An Emergency Disposal Decision-making Method with Human--Machine Collaboration

Yibo Guo, Jingyi Xue, Yingkang Zhang, Mingliang Xu

TL;DR本研究提出一种基于人机协同的方法，通过任务过滤和任务调度两个阶段，提高快速解决问题的效率和准确性。在任务过滤中使用 GACRNN 模型进行机器预测，由人类决策者实时监管并修改确认，而任务调度中将事件决策步骤插入到正常作业序列中，以缩小对原计划的影响。

Abstract

Rapid developments in artificial intelligence technology have led to unmanned systems replacing human beings in many fields requiring high-precision predictions and decisions. In modern operational environments, all job plans are affected by emergency events such as equipment failures

artificial intelligence unmanned systems collaborative decision-making task filtering task scheduling

发现论文，激发创造

基于 P-MADDPG 的紧急事件决策

本文提出了一种用于应对紧急事件决策问题的 P-MADDPG 算法，模拟紧急情况下的三种场景测试其性能，结果证明相比于其他算法，P-MADDPG 算法在不同规模的场景中收敛更快更好，因此是有效的。

Mar, 2022

人工智能与人类智能在灾害响应规划中的协同

通过提出受到二元过程理论（DPT）启发的基于注意力机制的认知架构，结合快速启发式（类似人类）反应和机器智能的优化规划能力，我们展示了如何通过评估其在多个不同属性上的表现，动态决定二者的参与度以优化任务目标，并在动态环境中的轨迹规划中验证了该框架有效地管理复杂任务并优化多个任务目标。

Apr, 2024

人类辅助的协作问题解决：一种基于自然语言的框架

本文介绍了一个人机协同问题解决框架，其中包含自然语言引擎、概念学习器和 HTN 规划器等三个组件，通过在基于 Minecraft 的积木世界中进行合作构建任务来演示该框架解决协同问题解决的关键挑战。

Jul, 2022

人机协同优化通过学徒调度

通过成对排名的形式来捕捉领域专家的启发式方法，以推动人机协作优化。此技术在武器到目标指派问题上表现出比人类专家产生的解更好，而且速度更快，可用于解决比人类演示者解决的问题的两倍复杂问题。

May, 2018

第二决策者的警报：人工智能冲突简介

这篇论文系统地介绍了人工智能与人类协作时可能出现的观察、解释和行动上的冲突，包括其潜在风险、测量方法、影响因素，并强调了这是一个正在崛起的风险领域，需要与传统的故障和失效分析区分开来。

May, 2023

利用人类辅助完成顺序决策任务的最新进展

本文综述了五种最近主要依赖于人类指导的机器学习框架及其动机，假设和实施，并讨论可能的未来研究方向。

Jul, 2021

通过学习有说服力的解释优化人工智能与人类的合作

提出了一种协作系统，其中人类最终做出决策，同时给予模型以最佳机会进行解释并与其辩论，从而解决了机器学习模型在复杂决策中出现难以检测故障模式且能够无监督采取行动的挑战。通过使用协作方法，我们可以确保安全性，提高性能，并解决透明度和问责制方面的担忧，从而实现有效的决策。

Nov, 2023

计划解释作为模型调和的实证研究

本文通过在模拟搜救情景中测试算法，在考虑到自主系统行为的未解释性与人类理解之间的区别的情况下评估解释生成算法，研究人类与机器人间建立互信的过程以及这些算法特性被人类评价的程度。

Feb, 2018

协作式无人机、工作人员和汽车的灾后响应众感知路线规划

在本文中，我们提出了一种多智能体路径规划算法 MANF-RL-RP，它采用了全局 - 局部双信息处理和异构多智能体系统的定制模型结构等多个高效设计，用于优化在灾害中包括无人机、工作者和汽车在内的一组代理的任务完成率。通过基于丰富的仿真数据进行的实验证明，与基准算法 Greedy-SC-RP 和 MANF-DNN-RP 相比，MANF-RL-RP 在任务完成率方面显著提高。

Aug, 2023

使用赌博反馈技术辅助人工智能合作

本文提出和开发了一个针对带赌徒反馈的人机协作问题的解决方案，旨在利用人机互补性最大化决策收益，在多个人类决策者的环境中展开并表现出效用，并呈现出当机器和人类各自单独做出决策时，我们的方法胜过两者的能力，以及如何在多个人类决策者的情况下实现个性化路由以进一步提高人机团队的表现。

May, 2021