智能人类监督支持：集成强化学习与凝视模拟以实现高亮个性化
人机交互
2026-02-10 v1 人工智能
摘要
人类监督的界面必须在紧急情况下有效支持用户的情境意识。我们探索基于强化学习 (RL) 的界面适配，以个人化警报策略，平衡高亮关键事件的收益与中断的认知成本。为实现无需真实部署的学习，我们集成用户凝视行为模型，以模拟监控期间的注意力动态。本研究基于投递无人机监督场景，初始结果表明 RL 基于的高亮方法优于静态规则方法，并讨论了智能监督支持的挑战。
引用
@article{arxiv.2602.08403,
title = {Intelligent support for Human Oversight: Integrating Reinforcement Learning with Gaze Simulation to Personalize Highlighting},
author = {Thorsten Klößner and João Belo and Zekun Wu and Jörg Hoffmann and Anna Maria Feit},
journal= {arXiv preprint arXiv:2602.08403},
year = {2026}
}
备注
AI CHAOS '26: Workshop Series on the Challenges for Human Oversight of AI Systems