梦中协助：学习在高速赛车中与人类目标协调共享控制

在涉及快速动力学和战术决策的领域（如多车赛车）中，人机团队需要紧密协调。机器人队友必须反应人类队友的战术目标信号，以便以与该目标一致的方式提供帮助（例如，在障碍物前方或后方导航）。为解决这一挑战，我们提出了 Dream2Assist 框架，结合了能够推断人类目标和价值函数的丰富世界模型，以及为给定人类队友提供恰当专业帮助的辅助智能体。我们的 method 基于循环状态空间模型，显式推断人类意图，使辅助智能体能够选择与人类意图一致的动作，从而实现流畅的团队互动。我们在高速赛车领域展示了该方法，模拟了一群追求互斥目标（如"保持在后方"和"超车"）的合成人类驾驶员。我们表明，人机团队在与人类动作混合的情况下，既优于合成人类单独表现，也优于多种基线辅助策略，且意图条件化使执行期间遵循人类偏好成为可能，从而在满足人类目标的同时实现性能提升。