XiaoMi-AI文件搜索系统
World File Search SystemTeaming
探索人机协作开展全域联合作战
分布式团队和通信 CRA 分布式团队和通信 CRA 重点研究如何快速组建、实时评估和动态优化分布式异构作战团队以及人机团队的性能，以实现快速、灵活和强大的任务操作。研究领域将包括快速组建任务有效的异构团队的方法、通过优化组合新旧指标对团队绩效进行动态监控和评估、从实际或预测的团队绩效下降中恢复的自适应策略，以及响应可变网络环境的新型分布式通信和协作工具、技术和管理方法。
人机协作研讨会的未来方向
与技术先进的人工智能 (AI) 代理的互动如今已司空见惯。我们越来越依赖智能系统来扩展人类的能力，从提供技术支持的聊天机器人到 Siri 和 Alexa 等虚拟助手。然而，今天的智能机器本质上是工具，而不是队友。它们需要人类用户的全神贯注，缺乏作为值得信赖的队友互动所需的沟通或认知能力。要成为真正的队友，智能机器需要灵活适应人类队友的状态以及环境。它们需要智能地预测人类队友的能力和意图，并将特定的学习经验推广到全新的情况。
人机协作：最新进展和研究需求
人机系统集成委员会 FREDERICK OSWALD，莱斯大学心理学系，主席 JAMES BAGIAN，NAE/NAM，密歇根大学安阿伯分校医疗政策与创新研究所 DIANA BURLEY，乔治华盛顿大学教育与人类发展研究生院 BARBARA DOSHER，NAS，加州大学欧文分校社会科学学院 MICA ENDSLEY，SA Technologies，亚利桑那州梅萨 EDMOND ISRAELSKI，AbbVie，伊利诺伊州北芝加哥 NAJMEDIN MESHKATI，南加州大学维特比工程学院 JOHN LOCKETT，美国陆军研究实验室（已退休） EMILIE ROTH，Roth 认知工程，加利福尼亚州斯坦福 WILLIAM J. STRICKLAND，人力资源研究组织，弗吉尼亚州亚历山大 MATTHEW WEINGER，范德堡大学医学中心工作人员 MARY ELLEN O’CONNELL，临时董事 TOBY M. WARDEN，董事（至 2021 年 5 月 25 日）
人机协作：最新进展和研究需求
人机系统整合委员会 FREDERICK OSWALD，莱斯大学心理学系，主席 JAMES BAGIAN，NAE/NAM，密歇根大学安娜堡分校医疗政策与创新研究所 DIANA BURLEY，乔治华盛顿大学教育与人类发展研究生院 BARBARA DOSHER，NAS，加州大学欧文分校社会科学学院 MICA ENDSLEY，SA Technologies，亚利桑那州梅萨 EDMOND ISRAELSKI，AbbVie，伊利诺伊州北芝加哥 NAJMEDIN MESHKATI，南加州大学维特比工程学院 JOHN LOCKETT，美国陆军研究实验室（已退休） EMILIE ROTH，Roth 认知工程，加利福尼亚州斯坦福 WILLIAM J. STRICKLAND，人力资源研究组织，弗吉尼亚州亚历山大 MATTHEW WEINGER，范德堡大学医学中心工作人员 MARY ELLEN O'CONNELL，临时主任TOBY M. WARDEN，董事（至 2021 年 5 月 25 日）
与无人系统的运营团队一起学习
摘要 - 莲花项目旨在改善海上监视。在这种情况下，该立场论文提出了持续的贡献，包括用于将多代理系统应用于监视任务的水下无人机组的新型机器学习算法。它强调将人机组合纳入海上情景中的决策。该项目的预期结果包括对自动驾驶汽车组的强大控制，适合环境变化以及有效的报告方法。任务摘要将通过叙事方式传递给人类操作员，以归功于无人机所检测到的相关事件。通过机器学习提供支持的这种叙事构造的整合将提高团队的整体有效性，从而构成重大突破。
人机协作 (HART) 技术组
HART TG 关注的主题包括三个要素：（a）以人为本，（b）包括人工智能或机器人，或两者兼而有之——人工智能大致代表软件和算法，而机器人代表物理体现的人工智能代理；（c）涉及团队合作——人机交互和协作旨在实现共同目标。尽管如此，HART TG 也会考虑相关主题和论文提交。同时，一些包含这三个要素的工作也可能适合另一个具有特定重点的 TG，作者可以选择将哪个 TG 提交作为 HFES 年度会议的主要和次要领域。具体感兴趣的领域包括但不限于以下内容：
单人操作中人机协作
摘要。随着人工智能 (AI) 和基于学习的系统的最新进展，各行各业已开始将 AI 组件集成到其产品和工作流程中。在可以频繁测试和开发的领域，这些系统已被证明非常有用，例如在汽车行业，车辆现在配备了先进的驾驶辅助系统 (ADAS)，能够自动驾驶、路线规划以及与车道和其他车辆保持安全距离。然而，随着任务的安全关键方面增加，开发和测试基于 AI 的解决方案变得更加困难和昂贵。航空业就是这种情况，因此，开发必须在更长的时间内逐步进行。本文重点介绍在人类飞行员和潜在辅助系统之间创建界面，以帮助飞行员在复杂的飞行场景中导航。口头交流和增强现实 (AR) 被选为交流方式，口头交流以绿野仙踪 (WoOz) 的方式进行。该界面在飞行模拟器中进行了测试，并通过 NASA-TLX 和 SART 问卷就工作量和态势感知评估了其实用性。
适应人类偏好对人机协作信任的影响
我们展示了在人机协作任务中适应人类偏好对信任的影响。团队执行一项任务，其中机器人充当人类的动作推荐者。假设人类和机器人的行为基于他们试图优化的某种奖励函数。我们使用一种新的人类信任行为模型，该模型使机器人能够在与人类互动的过程中使用贝叶斯逆强化学习实时学习并适应人类的偏好。我们提出了三种机器人与人类互动的策略：非学习者策略，其中机器人假设人类的奖励函数与机器人的相同；非自适应学习者策略，学习人类的奖励函数以进行性能评估，但仍优化自己的奖励函数；自适应学习者策略，学习人类的奖励函数以进行性能评估，并优化这个学过的奖励函数。结果表明，适应人类的奖励函数会使机器人获得最高的信任。
人机协作，单人操作
摘要。随着人工智能 (AI) 和基于学习的系统的最新进展，各行各业已开始将 AI 组件集成到其产品和工作流程中。在可以频繁测试和开发的领域，这些系统已被证明非常有用，例如在汽车行业，车辆现在配备了先进的驾驶辅助系统 (ADAS)，能够自动驾驶、路线规划以及与车道和其他车辆保持安全距离。然而，随着任务的安全关键方面增加，开发和测试基于 AI 的解决方案变得更加困难和昂贵。航空业就是这种情况，因此，开发必须在更长的时间内逐步进行。本文重点介绍在人类飞行员和潜在辅助系统之间创建界面，以帮助飞行员在复杂的飞行场景中导航。口头交流和增强现实 (AR) 被选为交流方式，口头交流以绿野仙踪 (WoOz) 的方式进行。该界面在飞行模拟器中进行了测试，并通过 NASA-TLX 和 SART 问卷就工作量和态势感知评估了其实用性。
人工智能安全红队方法指南（第 2 版）...
团队合作................................................................................................................................ 49