人机序贯决策任务中信任动态的聚类分析

本文提出一种人机团队中信任感知序贯决策的框架。我们将该问题建模为带基于奖励的性能度量的有限时域马尔可夫决策过程，使机器人智能体能够给出信任感知的推荐。人类受试者实验结果表明，所提出的信任更新模型能够准确捕捉人类智能体实时的信任变化。此外，我们将参与者的信任动态聚类为三类，即贝叶斯决策者、振荡者与怀疑者，并识别出可用于预测个人所属信任动态类型的个人特征。我们发现，与贝叶斯决策者和振荡者相比，怀疑者更内向、更不易相处，且对机器人智能体的期望更低。振荡者比贝叶斯决策者显著更易沮丧。