机构名称：
¥ 1.0
随着机器学习的进步，自主代理越来越能够驾驭不确定的作战环境，就像多域作战 (MDO) 范式中的情况一样。与人类合作时，自主代理可以根据任务要求和合作伙伴（无论是人类还是代理）采取的行动，灵活地在被动旁观者和主动执行者之间切换。在许多任务中，训练有素的代理的表现可能会超过人类，部分原因是代理的表现不太可能随着时间的推移而下降（例如，由于疲劳）。这种潜在的性能差异可能会导致自满，这是一种由对自动化系统的过度信任定义的状态。本文研究了自满在人机团队中的影响，其中代理和人类在模拟版本的捕食者-猎物追击任务中具有相同的能力。我们使用各种量表比较人类对自满和信任倾向的主观衡量标准，并通过与任务期间采取的行动相关的各种指标量化自满，以验证他们的信念，这些指标与可靠性水平不同的训练有素的代理一起执行任务。通过评估自满对绩效的影响，我们可以将人类在此任务中的表现一定程度上归因于自满。然后，我们可以考虑个人的自满度量，以定制他们的代理队友和人类在环要求（以最小化或 c
测量与人互动的自满情绪...
主要关键词
相关文件推荐
![[不测量敏感] FED-STD-313F...](/simg/9/94b17dbe758a56aeacd27eaf6f1e7ad8d6287432.webp)
