01自主车辆导航
监督自动驾驶车辆完成乘客接送、路径导航并处理交通事件。
摘要与研究动机
人类监督能力需要跟上具身智能体自主性的提升。
静态提示无法适应不断变化的任务负荷和个体感知差异。我们的系统利用人类观察智能体错误时产生的隐式神经响应，在线调整视觉、听觉和触觉反馈。
具身任务
模拟城市中的两类人机协同监督任务
0102多智能体监控
在高负荷条件下监控车辆与行人并识别异常行为。
系统架构
神经自适应闭环
解码错误相关电位，并利用贝叶斯优化在线调整个性化多模态提示。
VisualAuditoryTactile
- 01智能体错误→
- 02ErrP 解码→
- 03贝叶斯优化→
- 04自适应多模态提示→
实验设计
受控的人类—具身智能体协同实验
- 名受试者
- 0112
- 实时 EEG
- 0264 通道
- 基线 · 静态 · 自适应模式
- 033
代表性结果
自适应监督增强人类错误感知
尤其在高负荷条件下提升错误检测表现。
相比静态多模态反馈实现更及时的干预。
神经证据与更强的错误感知相一致。
研究意义
面向人类—具身智能协同的神经安全层
该框架可用于自动驾驶、机器人系统与高负荷监控中的自适应人类监督。