人机团队协作中的适应与沟通：处理智能体间计划信念的差异

当智能体协作完成任务时，它们对任务例程（即实现目标的一组可行计划）拥有某种共享心智模型十分重要。然而在现实中，往往会出现无法保证这种共享心智模型的情况，例如在临时组队的团队中智能体可能遵循不同惯例，或者当出现只有部分智能体知晓的偶然约束时。以往关于人机团队协作的研究假设团队拥有一组共享例程，这在此类情形下便失效了。本工作中，我们利用认知逻辑使智能体能够理解彼此关于可行计划信念中的差异，并动态规划其行动以通过适应或沟通来解决该差异。我们提出一种扩展条件信念逻辑的形式化方法以描述知识库，从而显式表示智能体关于可行计划与执行状态的嵌套信念。我们基于蒙特卡洛树搜索提供了一种在线执行算法，供智能体规划其行动，包括解释计划可行性、宣告意图以及提问等沟通动作。最后，我们评估了该算法的成功率与可扩展性，并表明我们的智能体更善于在没有共享心智模型保证的团队中工作。