绘制人机共学与共适应图谱:一项范围综述
人工智能
2025-06-10 v1
摘要
多篇论文深入探讨了人类-AI-机器人共学和共适应的挑战。人们注意到,现有研究中用于描述这种协作关系的术语需要更加一致。例如,前缀“co”被互换使用来表示“协作”和“相互”,而“共学”和“共适应”这两个术语有时也被互换使用。然而,它们可能反映了研究焦点的细微差别。当前范围综述的主要研究问题(RQ1)旨在收集讨论这种协作模式的现有论文,并考察研究人员用来描述这种人类-智能体关系的术语。鉴于这一研究领域相对较新,我们也热衷于探索现有研究中已考虑到的特定类型的智能体和任务领域(RQ2)。这一探索意义重大,因为它可以揭示人机交互的多样性,从一次性到持续学习/适应的场景。它还可以帮助我们理解不同任务领域中人类-智能体交互的动态,引导我们对动态、复杂领域研究的期望。我们的第三个目标(RQ3)是调查现有研究中用于衡量人类-智能体共学和共适应的认知理论和框架。这项调查至关重要,因为它可以帮助我们理解人类-智能体协作和适应的理论基础,并指导我们识别专门为这种关系提出的任何新框架。
引用
@article{arxiv.2506.06324,
title = {Mapping Human-Agent Co-Learning and Co-Adaptation: A Scoping Review},
author = {Shruti Kumar and Xiaoyu Chen and Xiaomei Wang},
journal= {arXiv preprint arXiv:2506.06324},
year = {2025}
}
备注
Abstract accepted to HFES 2024 Annual Meeting