人机协作中信任动态的建模与预测：一种贝叶斯推断方法

过去二十年来，对自动化的信任，或更近期的对自主性的信任，受到了广泛的研究关注。大多数先前文献采用了信任的“快照”视图，通常通过在实验结束时发放问卷来评估信任。然而，这种“快照”视图没有认识到信任是一个时变变量，会随时间增强或衰减。为了填补这一研究空白，本研究旨在对人类与机器人代理随时间交互时的信任动态进行建模。该研究的基本前提是，通过与机器人代理交互并随时间观察其表现，理性的人类代理将相应地更新其对机器人代理的信任。基于这一前提，我们开发了一个基于 Beta 分布的个性化信任预测模型，并使用贝叶斯推断学习其参数。我们提出的模型符合先前实证研究中报告的信任动态的三个主要属性。我们使用一个包含 39 名人类参与者在模拟监视任务中与四架无人机交互的现有数据集测试了所提出的方法。所提出的方法获得了 0.072 的均方根误差 (RMSE)，显著优于现有的预测方法。此外，我们识别了三种独特的信任动态类型，分别是贝叶斯决策者、振荡者和不信者。该预测模型可用于设计个性化和自适应的技术。