SAHRTA：一种基于监督的自适应人-机团队协作架构

基于监督的人-机器人团队被部署于各种动态与极端环境（如空间探索）中。在此类环境中实现高任务性能至关重要，因为一次失误可能导致重大经济损失或人员伤害。基于人类监督员的工作负载水平调整监督界面交互或自主等级可增强任务性能，因为工作负载与任务性能相关。典型的自适应系统仅依赖人类的总体或认知工作负载状态来选择要实施的适应策略；然而，总体工作负载包含多个维度（即认知、身体、视觉、听觉和言语），称为工作负载分量。基于完整人类工作负载状态（而非单一工作负载维度）选择合适的适应策略，可实现更具影响力的适应，从而确保高任务性能。本文提出一种基于监督的自适应人-机器人团队协作架构（SAHRTA），其基于完整的实时多维工作负载估计与预测的未来任务性能，来选择适当的自主等级或系统交互。在NASA多属性任务电池的实体扩展版中，SAHRTA被证明可改善总体任务性能。