面向人机交互的多任务信任迁移

信任在塑造人与人之间及人与机器人之间的交互中至关重要。本文探讨人类对机器人能力的信任如何跨多个任务迁移。我们首先呈现一项针对两个不同任务领域的人类受试者研究：Fetch 机器人执行家务任务，以及自动驾驶车辆执行驾驶与泊车操作的虚拟现实仿真。这些发现拓展了对信任的理解，并启发了通过潜在任务表征进行信任演化与迁移的新可微模型：（i）理性贝叶斯模型，（ii）数据驱动的神经网络模型，以及（iii）结合两者的混合模型。实验表明，所提模型在预测未知任务与用户上的信任时优于主流模型。这些结果表明：（i）任务依赖的功能信任模型更准确地捕捉人类对机器人能力的信任；（ii）跨任务的信任迁移可在较好程度上推断。后者使得在多任务环境中可实现信任介导的机器人决策，以达成流畅的人机交互。