人機(jī)混合智能系統(tǒng)自主性理論和方法

目錄
前言
第1章 人工智能時(shí)代人機(jī)系統(tǒng)的新發(fā)展 1
1.1 面向自動(dòng)化控制的人機(jī)系統(tǒng) 1
1.1.1 系統(tǒng)、機(jī)器和人 1
1.1.2 人機(jī)系統(tǒng)典型例子 3
1.1.3 研究人機(jī)系統(tǒng)的必要性 5
1.1.4 人機(jī)系統(tǒng)相關(guān)研究領(lǐng)域 6
1.2 人工智能時(shí)代的人機(jī)混合智能系統(tǒng) 8
1.2.1 人工智能技術(shù)的未來(lái)展望 8
1.2.2 弱人工智能與人機(jī)混合智能系統(tǒng) 11
1.2.3 人機(jī)混合智能系統(tǒng)的典型例子和場(chǎng)景 15
1.2.4 人機(jī)混合智能系統(tǒng)中人的位置 20
1.3 人機(jī)混合智能系統(tǒng)的研究挑戰(zhàn) 21
1.3.1 作為關(guān)鍵核心的自主性 21
1.3.2 人機(jī)混合智能系統(tǒng)及其自主性的相關(guān)研究 22
1.3.3 人機(jī)混合智能系統(tǒng)研究面臨的挑戰(zhàn) 28
1.3.4 學(xué)術(shù)界和政府關(guān)注 29
1.4 本章小結(jié) 30
第I部分 人機(jī)混合智能系統(tǒng)自主性理論
第2章 人機(jī)混合智能系統(tǒng)基于空間和邊界概念的自主性描述框架 33
2.1 人機(jī)混合智能系統(tǒng)的自主性及其邊界 33
2.1.1 人機(jī)混合智能系統(tǒng)的智能與自主性的一般討論 33
2.1.2 人機(jī)混合智能系統(tǒng)的自主性空間 36
2.1.3 人機(jī)混合智能系統(tǒng)的自主性邊界 39
2.2 自主性空間和自主性邊界的擴(kuò)展 41
2.2.1 自主性邊界 42
2.2.2 自主性相對(duì)空間和相對(duì)邊界 43
2.3 人與機(jī)器自主決策的聯(lián)合形式表示 44
2.4 本章小結(jié) 45
第3章 人機(jī)混合智能系統(tǒng)基于自主性聯(lián)合空間和聯(lián)合邊界的設(shè)計(jì)框架.46
3.1 人機(jī)混合智能系統(tǒng)的基本控制策略和設(shè)計(jì)框架 46
3.1.1 人機(jī)混合智能系統(tǒng)的基本控制策略：介入控制和共享控制 46
3.1.2 人機(jī)混合智能系統(tǒng)的基本設(shè)計(jì)框架：自主性聯(lián)合空間和聯(lián)合邊界 49
3.2 人在環(huán)上：人機(jī)混合智能系統(tǒng)的介入控制 52
3.2.1 機(jī)器（單向）介入控制 52
3.2.2 人的（單向）介入控制 53
3.2.3 人機(jī)切換（雙向介入）控制 54
3.3 人在環(huán)內(nèi)：人機(jī)系統(tǒng)中人與機(jī)器的共享控制 56
3.3.1 基本共享控制 56
3.3.2 擴(kuò)展共享控制 57
3.4 本章小結(jié) 58
第4章 自主性邊界：深度學(xué)習(xí)不確定性的定量刻畫 59
4.1 面向人機(jī)混合智能系統(tǒng)的深度學(xué)習(xí)不確定性的定量刻畫 59
4.2 基于貝葉斯模型刻畫深度學(xué)習(xí)不確定性的幾種代表性方法 61
4.2.1 Probabilistic backpropagation方法 61
4.2.2 Bayes by backprop方法 63
4.2.3 MC dropout方法 65
4.3 模型不確定性在強(qiáng)化學(xué)習(xí)中的應(yīng)用 66
4.3.1 通過(guò)量化模型不確定性促進(jìn)深入探索 67
4.3.2 通過(guò)量化模型不確定性實(shí)現(xiàn)動(dòng)態(tài)避障 68
4.4 本章小結(jié) 69
第5章 自主性邊界：不同場(chǎng)景下的典型判定及應(yīng)用 70
5.1 介入控制下的自主性邊界典型判定及應(yīng)用 70
5.1.1 機(jī)器介入人：利用自主性邊界的判定優(yōu)化機(jī)器對(duì)人的小干預(yù) 70
5.1.2 人介入機(jī)器：利用自主性邊界的判定優(yōu)化強(qiáng)化學(xué)習(xí)算法 74
5.2 共享控制下的自主性邊界典型判定及應(yīng)用 77
5.2.1 共享控制中的自主性邊界判定 77
5.2.2 基于仲裁機(jī)制的人機(jī)共享控制 79
5.2.3 利用自主性邊界優(yōu)化基于仲裁機(jī)制的人機(jī)共享控制 80
5.3 本章小結(jié) 82
第II部分 人機(jī)混合智能系統(tǒng)設(shè)計(jì)方法
第6章 人在環(huán)上：人的認(rèn)知提升機(jī)器智能 85
6.1 利用人的認(rèn)知特性提升機(jī)器學(xué)習(xí)算法性能的基本思想 85
6.2 利用人的認(rèn)知心理模型提升機(jī)器智能 86
6.2.1 樸素貝葉斯算法介紹 87
6.2.2 利用人的認(rèn)知特性的拉普拉斯平滑模型對(duì)樸素貝葉斯算法性能的提升 89
6.2.3 利用人的認(rèn)知特性的松散對(duì)稱模型對(duì)樸素貝葉斯算法性能的提升 91
6.2.4 引入松散對(duì)稱模型提升基于拉普拉斯平滑的樸素貝葉斯算法的性能 94
6.3 利用人的生理認(rèn)知特性提升機(jī)器智能 96
6.3.1 目標(biāo)識(shí)別任務(wù)中人的生理認(rèn)知特性測(cè)量 96
6.3.2 利用人腦視覺神經(jīng)的活動(dòng)特點(diǎn)改進(jìn)支持向量機(jī)算法 97
6.4 本章小結(jié) 100
第7章 人在環(huán)上：人的介入增強(qiáng)AI系統(tǒng)可靠性 101
7.1 增強(qiáng)AI系統(tǒng)可靠性的必要性和重要性.101
7.1.1 對(duì)AI系統(tǒng)可靠性的要求 101
7.1.2 現(xiàn)有技術(shù)框架難以從本質(zhì)上保證AI系統(tǒng)的可靠性 103
7.2 人的介入增強(qiáng)AI系統(tǒng)可靠性的思路和方法框架 104
7.2.1 人的介入增強(qiáng)AI系統(tǒng)可靠性的基本思路 104
7.2.2 人的介入增強(qiáng)AI系統(tǒng)可靠性的基本框架 105
7.3 人的介入提升珍珠分揀準(zhǔn)確性 107
7.3.1 方法和實(shí)驗(yàn)設(shè)置 107
7.3.2 獨(dú)立網(wǎng)絡(luò)模型的搭建及訓(xùn)練.108
7.3.3 基于人的分歧介入方法的珍珠分揀實(shí)驗(yàn)結(jié)果 109
7.4 本章小結(jié) 109
第8章 人在環(huán)內(nèi)：基于POMDP的共享自主 110
8.1 POMDP模型及其求解 110
8.1.1 POMDP模型表示 110
8.1.2 POMDP模型求解 112
8.2 基于POMDP的人機(jī)共享自主典型實(shí)例 113
8.2.1 利用POMDP實(shí)現(xiàn)汽車車道保持的共享自主 114
8.2.2 利用POMDP實(shí)現(xiàn)智能學(xué)習(xí)輔助系統(tǒng)的共享自主 116
8.3 過(guò)度信任和缺乏信任在基于POMDP的共享控制框架下的解釋 118
8.4 本章小結(jié) 120
第9章 人在環(huán)內(nèi)：基于強(qiáng)化學(xué)習(xí)的共享控制 121
9.1 強(qiáng)化學(xué)習(xí)和深度強(qiáng)化學(xué)習(xí)基本知識(shí) 121
9.1.1 強(qiáng)化學(xué)習(xí)基本知識(shí) 121
9.1.2 深度強(qiáng)化學(xué)習(xí)基本知識(shí) 124
9.2 基于強(qiáng)化學(xué)習(xí)的共享控制典型方法 127
9.2.1 基于DQN的無(wú)須先驗(yàn)知識(shí)的共享控制方法 127
9.2.2 基于SAC的無(wú)須預(yù)先訓(xùn)練的共享控制方法 129
9.2.3 基于AC的無(wú)須動(dòng)態(tài)模型的共享控制方法 132
9.3 基于強(qiáng)化學(xué)習(xí)的共享控制實(shí)例 134
9.4 本章小結(jié) 136
第10章 人在環(huán)內(nèi)：人機(jī)序貫決策的共享控制 138
10.1 序貫決策的基本概念.138
10.2 人機(jī)序貫決策問題的典型場(chǎng)景.141
10.2.1 “人參與問題”的人機(jī)序貫決策 141
10.2.2 “人介入方法”的人機(jī)序貫決策 142
10.3 基于POMDP方法求解“人參與問題”的人機(jī)序貫決策問題 143
10.3.1 “人參與問題”的人機(jī)序貫決策問題的POMDP框架概述 143
10.3.2 人機(jī)系統(tǒng)的POMDP框架實(shí)現(xiàn)駕駛輔助系統(tǒng)中的“車道保持” 145
10.4 基于MPC方法求解“人參與問題”的人機(jī)序貫決策問題 147
10.4.1 “人參與問題”的人機(jī)序貫決策問題的MPC框架概述 147
10.4.2 人機(jī)系統(tǒng)的MPC框架實(shí)現(xiàn)輔助駕駛系統(tǒng)中的“車輛變道” 148
10.5 基于RL方案求解“人介入方法”的人機(jī)序貫決策問題 150
10.5.1 “人介入方法”的人機(jī)序貫決策問題的RL框架概述 150
10.5.2 人機(jī)系統(tǒng)的RL框架實(shí)現(xiàn)倒立擺系統(tǒng)性能的提升 152
10.6 本章小結(jié) 154
參考文獻(xiàn) 155
索引 167
插圖目錄 169
表格目錄171
算法目錄 172
定義列表 173
例子列表 174