理解机器人心智：利用机器教学实现跨异构群体的透明人机协作
机器人学
2024-04-25 v1
摘要
本文旨在通过开发适用于具有不同学习能力的群体的机器教学算法，提高人机协作中的透明度和效果。虽然先前的方法聚焦于针对教学个体的定制化方法，但本方法通过团队信念表示来教学由各种组成的多样化学习者团队，以解决团队内个性化挑战。我们探讨了各种团队教学策略，如聚焦于个体信念或团队的集体信念，并评估了这些策略对学习不同团队组成的机器人策略的影响。我们的发现表明，团队信念策略在学习持续时间上产生较少的差异，并且更适合于多样化的团队，尤其是在资源有限的混合熟练度环境中。相比之下，个体信念策略提供了更统一的知识水平，特别适用于均匀的新手团队。本研究表明，教学策略的效果显著受到团队组成和学习者熟练度的影响，突显了对学习者熟练度进行实时评估并根据学习者熟练度调整教学方法对于实现最佳教学效果的重要性。
引用
@article{arxiv.2404.15472,
title = {Understanding Robot Minds: Leveraging Machine Teaching for Transparent Human-Robot Collaboration Across Diverse Groups},
author = {Suresh Kumaar Jayaraman and Reid Simmons and Aaron Steinfeld and Henny Admoni},
journal= {arXiv preprint arXiv:2404.15472},
year = {2024}
}