arXiv cs.AI· Shashank Shekhar, Laurent Jeanpierre, Abdel-Illah Mouaddib·· 11 小时前AI 评分20
从提议到执行：共享自主中交互语义的建模
From Proposal to Execution: Modeling Interaction Semantics in Shared Autonomy
AI 导读
研究者提出一种语义感知决策框架，将候选动作的提议、交互上下文下的评估与最终执行结果显式分离，通过联合动作语言和解释函数把每个联合动作与上下文映射为语义结果，并由语义结果诱导转移与奖励动态。该框架在人类-AI 共享自主中实例化，刻画建议与授权等交互模式，且与标准 MDP 规划保持兼容。
正文 · AI 翻译
摘要：在许多人类-AI 系统中，候选动作不会被直接执行，而是先由另一个决策实体在可能不同的目标或决策模型下进行评估。标准的决策论框架并不要求显式表示这种交互，因为它们直接在状态-动作对上定义转移动态，从而允许将评估吸收到转移模型中。我们引入一个语义感知的决策框架，其中候选动作被提出、在交互上下文中被评估，然后被解析为已执行的结果。我们通过联合动作语言和一个解释函数对此进行形式化，该函数将每个联合动作和上下文映射到一个语义结果。转移和奖励动态通过这些语义结果诱导出来，从而为交互语义引入一个显式的表示层。语义结果为组织交互原则提供了显式单元，这些单元可以通过特定于应用的评估机制来实例化，并在不同的交互实例中复用。这提供了一个结构化接口，用于将上下文相关的评估与由此产生的执行动态分开指定，而无需更改底层规划算法。我们在共享的人类-AI 自主性中实例化该框架，捕捉咨询和授权等交互模式，并说明交互上下文如何影响决策。由此得到的公式仍与标准马尔可夫决策过程（MDP）规划兼容。
| 评论： | 13 页，6 张表 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.25496 [cs.AI] |
| （或 arXiv:2610.25496v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.25496 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Shashank Shekhar [查看电子邮件]
[v1]
2026 年 10 月 18 日星期日 19:34:31 UTC（41 KB）
[v2]
2026 年 10 月 20 日星期二 08:48:51 UTC（22 KB）
来源：arXiv cs.AI · arxiv.org