摘要 - 我们专注于人类机器人协作运输,其中机器人和用户协作将对象转移到目标姿势。在没有明确交流的情况下,这个问题是具有挑战性的,因为它需要两个异质的代理之间的紧密隐式协调,他们的感应,驱动和推理能力非常不同。我们的关键见解是,两个代理可以通过将微妙的交流信号编码为影响运输对象状态的动作来流利地协调。为此,我们设计了一种推理机械性,该推论概率地绘制了对两个代理执行的联合行动的观察到一组工作空间遍历的联合策略。基于这种机制,我们定义了代表人类对展开遍历策略的不确定性的成本,并将其引入模型预测控制器,该模型在不确定性最小化和效率最大化之间平衡。我们将框架部署在移动操纵器(Hello Robot Stretch)上,并在受试者内实验室研究(n = 24)中对其进行评估。我们表明,与缺乏交流机制的基线相比,我们的框架可以使机器人能够更加流利,合格的合作伙伴,使机器人能够更加流利,有能力的合作伙伴。索引条款 - 人类机器人协作;人类机器人团队;隐式通信
囊泡释放的统计数据决定了突触如何传递信息,但经典的独立释放泊松模型并不总是适用于视觉和听觉的最初阶段。在那里,带状突触还将感觉信号编码为由两个或多个同时释放的囊泡组成的事件。这种协调的多囊泡释放 (MVR) 对脉冲产生的影响尚不清楚。在这里,我们使用纯速率代码研究了与泊松突触相比,MVR 如何影响感觉信息的传输。我们使用了泄漏积分和激发模型,结合了实验测量的斑马鱼(两种性别)视网膜双极细胞谷氨酸能突触的释放统计数据,并将它们与假设泊松输入受限于以相同平均速率运行的模型进行了比较。我们发现 MVR 可以增加每个囊泡产生的脉冲数量,同时减少脉冲间隔和第一次脉冲的延迟。综合效应是在模拟不同大小的目标神经元的一系列条件下提高信息传输效率(每个囊泡的位数)。当触发脉冲所需的收敛较少时,MVR 在具有短时间常数和可靠突触输入的神经元中最为有利。在单个输入驱动神经元的特殊情况下,如哺乳动物的听觉系统中,当脉冲产生需要多个囊泡时,MVR 会增加信息传输。这项研究表明,与泊松统计描述的速率代码相比,MVR 对囊泡的突触前整合如何提高感官信息的传输效率。