Human-AI Collaboration in Real-World Complex Environment with Reinforcement Learning
University of Alberta（阿尔伯塔大学）；Alberta Machine Intelligence Institute（阿尔伯塔机器智能研究所）；AI Redefined Inc（AI Redefined 公司）；JACOBB（JACOBB 公司）；Thales Digital Solutions（泰雷兹数字解决方案公司）
本研究通过强化学习实现人机协作，在复杂模拟环境中验证其优于纯人类或纯AI控制，并提出关键基础设施保护模拟器与用户界面，证明人类建议可加速多智能体学习。
2023-12-23 cs.AI cs.HC cs.LG
Human and Multi-Agent collaboration in a human-MARL teaming framework
AI Redefined, AI-R Inc.（AI Redefined, AI-R公司）
强化学习提供了有效的结果，代理从他们的观察，收到的奖励和代理之间的内部交互中学习。这项研究提出了一个新的开源MARL框架，称为COGMENT，有效地利用人类和代理的互动作为学习的来源。我们通过使用设计的实时环境与RL代理人驱动的无人驾驶飞行器，与人类合作来展示这些创新。这项研究的结果表明，所提出的合作模式和开源框架导致显着减少人力和探索成本。
2021-03-01 cs.AI cs.HC cs.LG
Development of Mental Models in Human-AI Collaboration: A Conceptual Framework
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
本文提出概念框架，阐明人机协作设计如何通过数据情境化、推理透明度和绩效反馈机制驱动三种心智模型的发展，以促进有效协作。
2025-10-09 cs.AI cs.HC
Through the Lens of Human-Human Collaboration: A Configurable Research Platform for Exploring Human-Agent Collaboration
Northeastern University（东北大学）；Rice University（里士满大学）；University of Notre Dame（诺特难大学）；ETH Zurich（苏黎世联邦理工学院）
本文提出一个可配置的研究平台，用于探索人类与大语言模型代理之间的协作，通过三个案例研究验证了平台在人机协作研究中的有效性。
2026-02-16 cs.AI cs.CL cs.HC
The Collaboration Gap in Human-AI Work
University of Oxford（牛津大学）
本文探讨了人机协作中稳定性不足的问题，提出三种工作结构并强调 grounding 条件的重要性。
2026-04-20 cs.AI cs.HC cs.IR
Improved Trust in Human-Robot Collaboration with ChatGPT
University of Florida（佛罗里达大学）
本文设计基于 ChatGPT 的 RoboGPT 系统，用自然语言控制 7 自由度机械臂完成协作装配，并通过人体实验证明其能增强沟通与信任。
2023-04-25 cs.AI cs.HC cs.RO
Factors that influence the adoption of human-AI collaboration in clinical decision-making
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；IBM
人工智能（AI）的最新发展推动了人类与AI合作的出现，AI是一个平等的合作伙伴。特别是在临床决策中，它有可能通过协助过度劳累的医疗专业人员来提高治疗质量。尽管研究已经开始调查人工智能在临床决策中的应用，但其潜在的好处并不意味着医疗专业人员会采用人工智能。虽然有几项研究已经开始从技术角度分析采用标准，但以人为本的研究仍然有限，重点关注人工智能在决策过程中成为平等团队成员的潜力。因此，在这项工作中，我们通过与医疗保健领域的专家进行一系列半结构化访谈，确定了采用人工智能协作的因素。我们确定了六个相关的采用因素，并强调了它们与有效的人类-人工智能协作之间存在的紧张关系。
2022-04-19 cs.AI cs.HC
My Machine and I: ChatGPT and the Future of Human-Machine Collaboration in Africa
National Open University of Nigeria（尼日利亚国立开放大学）；University of Abuja（阿布贾大学）
本文通过反思性主题分析2019至2023年间51篇文献，探讨了ChatGPT在非洲人机协作中的应用，发现其在教育和研究等学术领域较为普遍，且对提升人机协作具有较高有效性。
2023-10-01 cs.AI cs.CY cs.HC
Don't be Fooled: The Misinformation Effect of Explanations in Human-AI Collaboration
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Carnegie Mellon University（卡内基梅隆大学）；University of Bayreuth（拜罗伊特大学）
本文通过 n=160 的 AI 辅助决策实验发现，正确建议搭配错误解释会诱发错误信息效应，损害协作绩效及协作后的推理与程序性知识。
2025-01-08 cs.AI cs.HC
Where Are We So Far? Understanding Data Storytelling Tools from the Perspective of Human-AI Collaboration
The Hong Kong University of Science and Technology（香港科技大学）；Microsoft Research Asia（微软亚洲研究院）
本文从人机协作视角系统梳理数据叙事工具，提出涵盖工作流阶段与角色分工的分析框架，总结协作模式并指出未来研究方向。
2024-03-18 cs.AI cs.HC
More Human or More AI? Visualizing Human-AI Collaboration Disclosures in Journalistic News Production
Centrum Wiskunde & Informatica Amsterdam（阿姆斯特丹数学与信息学研究中心）；Centrum Wiskunde & Informatica（阿姆斯特丹数学与信息学研究中心）；TU Delft（代尔夫特理工大学）；Utrecht University（乌得勒支大学）
通过协同设计会话和实验室研究，探讨不同可视化披露方式（文本、基于角色的时间线、基于任务的时间线、聊天机器人）及协作比例如何影响用户对新闻中人机协作的感知。
2026-01-16 cs.AI cs.CY cs.HC
Human-Centered Human-AI Collaboration (HCHAC)
Zhejiang University（浙江大学）
本文从以人为中心的视角探讨人机协作（HAC）的本质与特征，提出HCHAC框架，并通过自动驾驶案例阐明人机协同交互，指明了未来提升系统有效性、可靠性与伦理整合的研究方向。
2025-05-28 cs.AI cs.CY cs.HC
Towards Effective Human-AI Collaboration in GUI-Based Interactive Task Learning Agents
Carnegie Mellon University（卡内基梅隆大学）
我们认为，为智能代理提供可用和有用的交互式任务学习的一个关键挑战是促进有效的人机协作。我们回顾了过去5年来在设计、开发和研究SUGILITE系统方面所做的努力，讨论了将人工智能的最新进展与人机交互原则结合到混合主动交互和多模式交互中的问题，并总结了我们学到的经验教训。最后，我们确定了几个挑战和机遇，并描述了我们正在进行的工作
2020-03-05 cs.AI cs.HC
Searching for Synergy in Shared Workspace Human-AI Collaboration
Carnegie Mellon University（卡内基梅隆大学）
研究共享工作空间的人机团队协作，通过Collaborative Gym环境实验发现，缺乏协调结构时增加协作者会降低性能，而结合共享记忆和模拟人在环门控的脚手架可提升团队绩效。
2026-06-23 cs.AI cs.HC
Where's the Structure? A Systematic Literature Review of Empirical Research on Human-AI Collaboration and Hybrid Intelligence for Learning
GSIC-EMIC research group, Universidad de Valladolid (Spain)（瓦伦西亚大学GSIC-EMIC研究组）；GICAP research group, Department of Digitization, Universidad de Burgos (Spain)（布尔戈斯大学数字技术系GICAP研究组）
本文通过系统文献综述（N=62）分析了人机协作与混合智能在学习支持中的协作过程、结构及应用背景，提取了设计知识和研究空白。
2026-05-30 cs.AI cs.CY cs.HC
CollabSkill: Evaluating Human-Agent Collaboration On Real-World Tasks
Stanford University（斯坦福大学）；Carnegie Mellon University（卡内基梅隆大学）；University of Rochester（罗切斯特大学）；Individual Researcher（独立研究者）
提出CollabSkill框架，通过配对真实工人与AI代理执行职业任务，利用贝叶斯技能评级系统量化人机贡献，揭示Claude Code排名第一且实践经验是协作技能的主要驱动力。
2026-07-28 cs.AI cs.CY cs.HC
MAD-TN: A Tool for Measuring Fluency in Human-Robot Collaboration
Harvey Mudd College（哈维穆德学院）；Olin College of Engineering（欧林工程学院）
流畅性是人机交互（HRI）中的一个重要指标，它描述了人类和机器人在任务上协作的协调性。流畅性与任务的时间有着内在的联系，这使得时间约束网络成为建模和测量流畅性的一种很有前途的方法。我们表明，多智能体菊花时序网络（MAD-TN）制定，扩展了菊花结构网络的现有概念，既是一个有效的人机协作模型和一个自然的方式来衡量现有的流畅性指标。MAD-TN模型强调了我们假设与人类队友对流畅性的感知密切相关的新指标。
2020-02-14 cs.AI cs.HC cs.RO
A behavioural transformer for effective collaboration between a robot and a non-stationary human
University of Edinburgh（爱丁堡大学）；Honda Research Institute Europe（欧洲本田研究院）；The Alan Turing Institute（艾伦·图灵研究所）
本文提出基于元学习框架的行为变换器BeTrans，利用条件变换器处理人机协作中人类行为非平稳性问题，在模拟环境中实现比SOTA更快的适应与有效协作。
2023-07-25 cs.AI cs.LG cs.RO
Automatic Analysis of Collaboration Through Human Conversational Data Resources: A Review
本文综述了利用任务导向对话资源分析协作过程，涵盖相关理论、编码方案、任务和建模方法，探讨如何利用人类对话数据进行协作分析。
2026-03-30 cs.AI cs.CL
Intuitive and Efficient Human-robot Collaboration via Real-time Approximate Bayesian Inference
Intel Labs（英特尔研究院）
协作机器人和端到端人工智能的结合，有望实现工厂和仓库中人工任务的灵活自动化。然而，这样的承诺似乎还需要一些突破。与此同时，人类和协作机器人将相互合作，互相帮助。为了使这些合作有效和安全，机器人需要建模，预测和利用人类的意图，以进行响应性决策过程。近似贝叶斯计算（ABC）是一种对不确定量进行概率预测的综合分析方法。ABC方便地包括先验知识，利用采样算法进行推理，并且可以灵活地从复杂的模型中受益，例如通过模拟器。然而，已知ABC在计算上太密集而不能以有效的人机协作任务所需的交互式帧速率运行。在本文中，我们制定了人类达到意图预测作为ABC问题，并描述了两个关键的性能创新，使计算在互动率。我们的现实世界的实验与协作机器人设置，证明了我们所提出的方法的可行性。实验评估传达的优势和价值的人类意图预测包装合作任务。定性结果表明，如何预测人类的达到意图，提高人类与机器人的协作，而不影响安全。定量的任务流畅性指标证实了定性的要求。
2022-05-17 cs.AI cs.HC cs.RO
Interaction, Process, Infrastructure: A Unified Framework for Human-Agent Collaboration
Microsoft Research Asia（微软亚洲研究院）
本文提出了一种统一框架，通过整合交互、过程和基础设施，解决人机协作中结构表示和适应性问题。
2025-12-24 cs.AI cs.HC
Fast and Automatic Object Registration for Human-Robot Collaboration in Industrial Manufacturing
Software Competence Center Hagenberg GmbH（哈根贝格软件能力中心有限公司）；KEBA Group AG（KEBA集团股份公司）；Danube Dynamics Embedded Solutions GmbH（多瑙动力嵌入式解决方案有限公司）
我们提出了一个端到端的框架，快速再训练的目标检测模型，在人-机器人协作。我们基于Faster R-CNN的设置涵盖了自动图像生成和标记、现场模型再训练以及FPGA边缘设备上的推理的整个工作流程。人工操作员的干预简化为提供新对象及其标签并开始训练过程。此外，我们提出了一个新的损失，intraspread-objectosphere损失，以解决开放世界的识别问题。虽然它不能完全解决这个问题，但它显着减少了未知对象的误报检测的数量。
2022-04-01 cs.AI cs.CV
Human-AI Collaboration: The Effect of AI Delegation on Human Task Performance and Task Satisfaction
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Ben-Gurion University of the Negev（本-古里安大学）
最近的工作提出了人工智能（AI）模型，可以通过考虑双方的能力来学习决定是对任务的实例进行预测还是将其委托给人类。在具有合成生成的或与上下文无关的人类预测的模拟中，与人类或人工智能模型单独完成任务相比，委托可以帮助提高人类-人工智能团队的性能。然而，到目前为止，还不清楚人类如何执行任务，以及当他们意识到AI模型将任务实例委托给他们时，他们如何看待任务。在一项有196名参与者的实验研究中，我们发现，无论人类是否意识到授权，任务绩效和任务满意度都可以通过人工智能授权得到提高。此外，我们确定人类自我效能水平的提高是这些表现和满意度改善的潜在机制。我们的研究结果提供了初步证据，表明允许人工智能模型接管更多的管理责任可以成为工作场所中人类与人工智能合作的有效形式。
2023-03-16 cs.AI cs.HC
Human-AI Collaboration: From Paradoxes to Patterns
Carleton University（卡尔顿大学）
本文从悖论视角分析人机协作的自主性与主动性维度，提出揭示张力并映射悖论的过程，从而推导出指令、委派、协助与共创四种协作模式。
2026-09-30 cs.AI cs.HC cs.MA
Deployment and Evaluation of a Flexible Human-Robot Collaboration Model Based on AND/OR Graphs in a Manufacturing Environment
University of Genoa（热那亚大学）
工业4.0范式承诺在制造环境中缩短开发时间，提高工效学，提高灵活性和资源效率。协作机器人是实现这种模式的重要有形技术。有效地将协作机器人部署到制造业的一个主要瓶颈是开发任务规划算法，使它们能够识别并自然适应变化甚至不可预测的人类行为，同时确保生产周期时间方面的整体效率。在这种情况下，一个架构，包括任务表示，任务规划，传感和机器人控制的设计，开发和评估在一个真实的工业环境。研究了一个需要人与机器人协作的取放机器人任务。该体系结构使用AND/OR图在线表示和推理人机协作模型。此外，客观措施的整体计算性能和主观措施的自然人与机器人协作进行了评估，通过实验与生产线操作员。这项用户研究的结果展示了我们提出的人机协作模型如何利用工作场所操作员的灵活性和舒适性。在这方面，对最近的模式进行了广泛的比较研究。
2020-07-13 cs.AI cs.HC cs.RO
Human-Machine Collaboration for Democratizing Data Science
KU Leuven（鲁汶大学）
每个人都想分析他们的数据，但只有少数人拥有数据科学专业知识。出于这种观察，我们介绍了一种新的框架和系统\textsc{VisualSynth}的人机协作数据科学。它希望通过允许用户与标准电子表格软件交互来实现数据科学的民主化，以便执行和自动化各种数据分析任务，包括数据整理，数据选择，聚类，约束学习，预测建模和自动完成。\textsc{VisualSynth}依赖于用户提供彩色草图，即，着色电子表格的部分，以部分地指定数据科学任务，然后使用人工智能技术来确定和执行这些任务。
2020-04-23 cs.AI cs.HC
The Digital Divide in Process Safety: Quantitative Risk Analysis of Human-AI Collaboration
University of Alberta（阿尔伯塔大学）
本文针对过程安全中人与AI协作的数字鸿沟问题，结合LOPA和贝叶斯网络进行定量风险分析，强调人的可靠性并倡导以人为中心的AI设计。
2023-05-29 cs.AI cs.HC
Moving Out: Physically-grounded Human-AI Collaboration
University of Virginia（弗吉尼亚大学）
提出Moving Out基准测试，模拟物理约束下的协作场景，并开发BASS方法增强智能体多样性及动作理解，实验证明其与未见过的AI和人类均能有效协作。
2026-06-17 cs.AI cs.LG cs.MA
Human-AI Collaboration Reconfigures Group Regulation from Socially Shared to Hybrid Co-Regulation
The University of Hong Kong（香港大学）；Carnegie Mellon University（卡内基梅隆大学）；Monash University（莫纳什大学）
研究探讨了生成式AI对群体协作调节的影响，发现AI可用时协作调节更偏向混合共调节，且参与焦点分布相似，为AI支持的协作学习设计提供启示。
2026-04-09 cs.AI cs.HC
Unexploited Information Value in Human-AI Collaboration
本文提出基于统计决策理论的模型，从信息价值角度分析人机协作，在深度伪造检测任务上评估七个视频级特征，比较人类、AI及团队表现，揭示AI辅助对信息使用的影响及改进人类决策的潜在信息。
2025-02-24 cs.AI cs.HC
Human-Robot Collaboration via Deep Reinforcement Learning of Real-World Interactions
Imperial College London（帝国理工学院）
我们提出了一个机器人设置真实世界的测试和评估的人-机器人和人-人的协作学习。利用Soft Actor-Critic算法的样本效率，我们实现了一个机器人平台，该平台能够与人类合作伙伴一起学习非平凡的协作任务，而无需在模拟中进行预训练，并且仅使用30分钟的真实世界交互。这使我们能够通过真实世界的交互来研究人与机器人和人与人的协作学习。我们提出了初步的结果，表明最先进的深度学习方法可以使人机协作学习更接近人类相互交互。
2019-12-02 cs.AI cs.LG cs.RO
Complementarity in Human-AI Collaboration: Concept, Sources, and Evidence
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；University of Bayreuth（拜罗伊特大学）
针对人机协作中互补性团队绩效（CTP）观测不足的问题，本研究提出互补性通用概念并形式化其理论潜力与实际效果，识别信息和能力不对称为关键来源，通过实证验证其影响，为人机协作设计提供理论基础与可行路径。
2024-11-25 cs.AI cs.HC
Controllable Complementarity: Subjective Preferences in Human-AI Collaboration
Carnegie Mellon University（卡内基梅隆大学）
研究通过行为塑造算法探究人机协作中的可控性偏好，发现人类可直接控制AI行为时认为AI更有效且更愉悦，表明人机互补性应同时兼顾客观性能与主观偏好。
2025-03-07 cs.AI cs.HC cs.MA
Improving Human-Robot Collaboration via Computational Design
George Mason University（乔治梅森大学）
当机器人进入我们的日常生活时，人类和机器人周围的共享空间对于有效的人机协作至关重要。共享空间的设计应满足人类的偏好和机器人的效率。本作品以厨房设计为例，说明良好的空间设计在促进这种合作中的重要性。给定厨房边界、柜台和食谱，该方法计算出符合厨房设计规则要求的柜台的最佳放置，并提高人机协作。关键的技术挑战是优化方法通常评估数千个设计，并且作为评估函数的一部分的运动规划的计算成本昂贵。我们使用一个分散的运动规划器，可以有效地解决多智能体运动规划。我们的研究结果表明，优化的厨房设计可以提供显着的性能改善人机协作。
2023-03-20 cs.AI cs.GR cs.RO
Calibration-Aware Uncertainty Cascades for Efficient Heterogeneous Model Collaboration
School of Computer Science and Technology, Xidian University（西安电子科技大学计算机科学与技术学院）
提出校准感知的不确定性级联（CAUC），通过独立校准模型置信度并统一决策标准，实现异构模型高效协作，在语言和图像基准上分别提升准确率1.9%并减少47%强模型调用、降低GFLOPs达57%。
2026-09-11 cs.AI
A Learning Based Optimal Human Robot Collaboration with Linear Temporal Logic Constraints
New Mexico State University（新墨西哥州立大学）；University of Notre Dame（圣母大学）
研究了具有持久任务的人-机器人系统机器人系统中人-机器人协作的最优任务分配问题。这种人类机器人系统由人类操作员和智能机器人组成，它们相互协作以完成任何一方都无法单独完成的复杂任务。该系统的目标是最大限度地成功执行持久性任务的概率，制定为线性时序逻辑规范和最小化的平均成本之间的连续访问的一个特定的命题。本文提出了一个框架下的多个马尔可夫决策过程（MDP）的组成与可能未知的转移概率，它表征了人类的认知状态，如人类的信任和疲劳，随机变化的机器人的性能模型的人类机器人协作。在未知的MDP模型下，提出了一种学习MDP模型的算法，以获得最优的任务分配策略，使每个任务周期的期望平均成本最小，满足线性时序逻辑约束的概率最大.此外，本文表明，最优策略的基础上学习的模型和基础上的地面真值模型的基础上的差异可以有界的任意小的常数和大的置信水平与足够的样本。装配过程的案例研究表明，我们提出的基于学习的人类机器人协作的有效性和好处。
2017-05-31 cs.AI cs.HC cs.RO
Humans' ALMANAC: A Human Collaboration Dataset of Action-Level Mental Model Annotations for Agent Collaboration
Northeastern University（东北大学）；University of Notre Dame（Notre Dame 大学）；University of Waterloo（滑铁卢大学）；Carnegie Mellon University（卡内基梅隆大学）；Adobe（Adobe公司）；Microsoft Research Asia（微软亚洲研究院）
为解决当前LLM智能体缺乏协作中心智模型能力的问题，构建了基于Map Task的ALMANAC数据集，包含2987个协作动作及其心智模型标注，并评估了六种LLM在预测人类行为和心智模型上的表现。
2026-11-03 cs.AI cs.CL
Getting to Know One Another: Calibrating Intent, Capabilities and Trust for Human-Robot Collaboration
National University of Singapore（新加坡国立大学）
共同的经验表明，相互了解的代理人能够更好地合作。在这项工作中，我们解决了人机协作中校准意图和能力的问题。特别是，我们专注于机器人试图帮助无法直接传达其意图的人类的场景。此外，两个代理可能具有彼此未知的不同能力。我们采用了决策理论的方法，并提出了TICC-POMDP建模这种设置，与相关的在线求解器。实验表明，我们的方法导致更好的团队表现，无论是在模拟和现实世界的研究与人类受试者。
2020-08-03 cs.AI cs.HC cs.MA
Causal Responsibility Attribution for Human-AI Collaboration
ETH Zürich（苏黎世联邦理工学院）；MPI Tübingen（马克斯·普朗克智能系统研究所（蒂宾根））；University of Toronto（多伦多大学）
本文提出基于结构因果模型和反事实推理的因果框架，用于在人机协作中系统归因责任，并通过案例研究展示其适应性。
2024-11-05 cs.AI cs.HC stat.AP
Adapting Robot's Explanation for Failures Based on Observed Human Behavior in Human-Robot Collaboration
KTH Royal Institute of Technology（皇家理工学院）；Lancaster University（兰卡斯特大学）
本研究通过解读人机协作中人类行为预测用户困惑，构建数据驱动预测器预测困惑，并提出基于该预测器调整机器人故障解释详细程度的机制，以提升协作自然性与效率。
2025-04-13 cs.AI cs.HC cs.RO
Explaining Reward Functions to Humans for Better Human-Robot Collaboration
Massachusetts Institute of Technology（麻省理工学院）
描述代理奖励功能的可解释AI技术可以在各种设置中增强人机协作。在价值对齐设置中，人类对代理奖励功能的理解特别有益。在价值对齐背景下，代理的目的是通过交互来推断人类的奖励功能，以便它可以帮助人类完成任务。如果人类能够理解智能体的奖励理解中存在的差距，他们将能够更有效地教学，从而更快地提高人类智能体团队的绩效。为了支持人类合作者在价值对齐设置和类似的情况下，首先重要的是要了解不同的奖励解释技术在各种领域的有效性。在本文中，我们介绍了奖励解释技术的信息模态的分类，提出了一套评估技术，人类奖励的理解，并介绍了四个轴的域复杂性。然后，我们提出了一个实验来研究一组广泛的奖励解释技术的相对有效性，这些技术涵盖了一组不同复杂度的域中的多种信息形式。
2021-10-08 cs.AI cs.HC cs.RO
Natural Language for Human-Robot Collaboration: Problems Beyond Language Grounding
Khoury College of Computer Sciences, Northeastern University（东北大学库里计算机科学学院）
为了使机器人能够指导人类进行协作，我们确定了语言处理的几个方面，这些方面在这种情况下并不常见。这些包括位置，规划和生成。我们建议对每项任务进行评估，为简单的方法提供基线，并通过讨论学习语言合作的挑战和机遇来结束。
2021-10-09 cs.AI cs.CL cs.RO
From Control to Foresight: Simulation as a New Paradigm for Human-Agent Collaboration
本文提出闭环模拟的交互范式，旨在通过模拟未来轨迹提升人类与智能体协作的预见能力，而非依赖传统的控制方式。
2026-03-12 cs.AI cs.CL cs.HC
Trust as Extended Control: Active Inference and User Feedback During Human-Robot Collaboration
Massachusetts Institute of Technology（麻省理工学院）；Bar Ilan University（巴伊兰大学）；University of Sussex（苏塞克斯大学）；University College London（伦敦大学学院）
为了与机器人进行无缝交互，用户必须推断出机器人行为的原因，并对这种推断充满信心。因此，信任是人机协作（HRC）的必要条件。尽管它的关键作用，它在很大程度上是未知的如何产生，发展，并支持人类与非人类人工制品的互动。在这里，我们回顾了有关信任，人机交互，人机协作和人机交互的文献。早期的信任模型认为，信任需要在仁慈和能力之间进行权衡，而人与人之间的互动研究则强调共享行为和相互知识在逐步建立信任中的作用。然后，我们引入了一个模型的信任代理的最好的解释可靠的感官交流与扩展电机厂或合作伙伴。这个模型是基于认知神经科学的主动推理，并建议，在HRC的上下文中，信任可以铸造在虚拟控制人工代理。在这种情况下，交互式反馈成为委托人感知-行动循环的必要组成部分。由此产生的模型具有重要的意义，理解人机交互和协作，因为它允许传统的人类信任的决定因素来定义的主动推理，信息交换和授权。此外，这个模型表明，无聊和惊讶可以作为标记的不足和过度依赖的系统。最后，我们研究了共享行为在信任起源中的作用，特别是在二元协作的背景下，这对人机协作系统的可接受性和设计产生了重要影响。
2021-04-22 cs.AI cs.CY cs.HC
Working with AI: A Design Framework for Human-AI Collaboration
The University of Auckland（奥克兰大学）
针对人机协作设计问题，提出一个涵盖人、AI系统、任务、组织和社会的实用框架，并通过协作机器人装配用例展示其应用，旨在实现有效、以人为中心且负责任的协作。
2026-09-29 cs.AI
Causal Inference for Human-Language Model Collaboration
University of Michigan（密歇根大学）
本文提出增量风格效应（ISE）因果估计量及CausalCollab算法，用于在人类与语言模型协作中估计文本交互策略的因果效应，并在三个场景中验证其减少混杂和提升反事实估计的效果。
2024-03-30 cs.AI cs.CL cs.LG
Co-GAIL: Learning Diverse Strategies for Human-Robot Collaboration
Stanford University（斯坦福大学）
Co-GAIL通过协同优化人类策略与机器人策略，从人人协作演示中学习多样化且鲁棒的人机协作策略，并在多个任务中优于现有方法。
2023-09-20 cs.AI cs.RO
Human and AI collaboration in Fitness Education:A Longitudinal Study with a Pilates Instructor
Lee Kuan Yew Centre for Innovative Cities, Singapore University of Technology and Design（新加坡科技设计大学李光耀创新城市中心）
本文通过为期一年、参与课堂并双周访谈的定性案例研究，考察普拉提健身教育中人类教练与生成式AI的协作方式及其融入课程规划和教学的可能。
2025-06-05 cs.AI cs.CY
DTRT: Enhancing Human Intent Estimation and Role Allocation for Physical Human-Robot Collaboration
CAS Engineering Laboratory for Intelligent Industrial Vision, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所CAS工程视觉实验室）；School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
针对物理人机协作中意图估计与角色分配不足的问题，提出基于双Transformer的分层架构DTRT，融合人类运动与力数据，利用CVAE和微分博弈实现准确预测与动态调整，实验验证其优越性。
2025-05-26 cs.AI cs.RO
Robust Robot Planning for Human-Robot Collaboration
Université de Lorraine（洛林大学）；INRIA（法国国家信息与自动化研究所）；CNRS（法国国家科学研究中心）；Université de Toulouse（图卢兹大学）
在人机协作中，人的目标往往是未知的机器人。此外，即使假设一个已知的目标，人的行为也是不确定的。为了规划一个强大的机器人行为，一个关键的初步问题是：如何获得现实的人类行为给定一个已知的目标？一个主要的问题是，这样的人类行为本身应该解释机器人的行为，否则合作就不会发生。在本文中，我们依靠马尔可夫决策模型，表示人类目标的不确定性作为一个概率分布在一组有限的目标函数（诱导分布在人类行为）。在此基础上，我们提出了两个贡献：1）一种方法来自动生成一个不确定的人类行为（政策）为每个给定的目标函数，同时考虑可能的机器人行为;和2）机器人规划算法，是强大的上述不确定性，并依赖于解决部分可观察的马尔可夫决策过程（POMDP）通过推理人类行为的分布。一个共同工作的场景允许进行实验，并提出定性和定量的结果来评估我们的方法。
2023-02-27 cs.AI cs.RO
We Choose to Go to Space: Agent-driven Human and Multi-Robot Collaboration in Microgravity
Beijing University of Posts and Telecommunications（北京邮电大学）；TongJi University（同济大学）；Beihang University（北京航空航天大学）；Beijing Normal University（北京师范大学）；Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；Carnegie Mellon University（卡内基梅隆大学）
本文提出 SpaceAgents-1 系统，通过微重力仿真环境和分层异构多智能体架构，实现由基础模型引导的人机与多机器人长期协作任务执行。
2024-02-22 cs.AI cs.RO
Multi-Scale Incremental Modeling for Enhanced Human Motion Prediction in Human-Robot Collaboration
Huizhou University（惠州学院）
本文提出并行多尺度增量预测（PMS）框架，通过多时空尺度显式建模增量运动并迭代细化，在四个数据集上实现16.3%-64.2%的准确率提升，显著增强预测连续性、生物力学一致性与长期稳定性。
2024-12-16 cs.AI cs.RO
