多智能体任务分配中用于校准人工智能与人类依赖关系的预测自主决策辅助系统
摘要：人类操作员和自主决策辅助之间的互动在多智能体任务分配环境中进行博弈论建模。在这种环境中，我们提出了一种决策辅助，通过一系列互动来校准操作员对辅助的依赖，以提高整体人工智能与人类团队的表现。自主决策辅助采用长短期记忆（LSTM）神经网络进行人类动作预测，并使用贝叶斯参数滤波方法来改善未来的互动，从而使辅助能够适应人类依赖的动态变化。然后，我们使用来自选择预测竞赛（CPC18）数据集的大量模拟人类操作员对所提出的方法进行测试，并与只提供预测人类动作而不了解依赖的目光短浅的决策辅助进行比较，结果表明所提出的方法能够显著改善人工智能与人类的互动。
作者：Larkin Heintzman and Ryan K. Williams
论文ID：2112.10252
分类：Multiagent Systems
分类简称：cs.MA
提交时间：2021-12-21