实时分区控制中的零样本协同认知受限伙伴

arXiv：2610.31726v1 发布类型：新 摘要：有效的人机协作需要能够与不可预测的人类伙伴协同工作的智能体。基于实时人类反馈或大规模行为数据集的强化学习成本高昂，而纯模拟训练则容易过拟合于人工设定的规范，难以实现与真实人类的零样本协作。我们提出了一种针对认知受限伙伴进行团队协作智能体训练的框架：这些模拟伙伴的多样性源于基于人类生理学文献的程序化约束，具体包括反应延迟和感知局限，而非通过奖励塑造或历史训练检查点来实现。在经过改造的月球着陆器环境中，我们报告了初步证据，表明这些伙伴的表现更像 r