用于实时分区控制中零样本协作的认知约束伙伴

arXiv:2610.31726v1 公告类型：new 摘要：有效的人机协作要求智能体能够与不可预测的人类伙伴进行协调。通过实时人类反馈或大型行为数据集进行强化学习的成本高昂，而纯模拟训练会过拟合于人为设定的惯例，并且无法实现与真实人类的 Zero-Shot Coordination。我们提出了一个框架，用于针对认知约束伙伴训练协作智能体：这些模拟伙伴的多样性源于以人类生理学文献为依据的程序化约束，具体包括反应延迟和感知局限，而不是源于奖励塑形或历史训练检查点。在经过修改的 Lunar Lander 环境中，我们获得了初步证据，表明与无约束智能体相比，这些伙伴的行为方式更接近真实人类；针对它们训练的智能体能够达到最强交叉对战基线的水平，同时也是唯一一类其性能不取决于训练伙伴生成方式的智能体。我们还介绍了一项面向人类参与者的研究，该研究经过专门设计，其排名结果可以直接与交叉对战结果进行比较，用于检验这一标准评估能否有效预测真实的人机协作表现。