作为机器人与控制中人类决策前向与逆向模型来源的认知科学

那些设计与人交互的自主系统的研究者不可避免地会面临关于人类如何思考与决策的问题。幸运的是，计算认知科学利用对具有优化与控制背景者而言熟悉的工具（例如概率论、统计机器学习与强化学习）提供了对人类决策的洞察。在此，我们回顾部分此类工作，聚焦于认知科学如何提供人类决策的前向模型以及人类如何思考他人决策的逆向模型。我们强调相关的近期进展，包括综合黑箱与理论驱动建模的方法、将启发式与偏差重述为有界最优性的解释，以及用决策论术语刻画人类心智理论与沟通的模型。在此过程中，我们旨在为读者提供位于认知科学与控制研究交叉处的框架、方法论与可操作见解之范围的概览。