28、人类视觉性能不完善时的人机协作目标分类优化

人类视觉性能不完善时的人机协作目标分类优化

在目标分类任务中，机器人和人类操作员的协作是提高分类准确性的有效方式。但由于人类视觉性能的局限性以及资源的有限性，如何优化人机协作成为一个关键问题。本文将探讨在机器人对给定站点进行目标分类时，如何通过合理的决策来最大化整体的正确分类概率。

1. 多机器人协作场景

考虑一个场景，机器人对 N 个给定站点有初始评估（以获取的图像形式）。每个机器人有各自的运动能量预算，并且它们共享有限数量的向人类操作员提问的机会。这里讨论两种多机器人协作场景：
- 场景一：预定站点分配 ：每个机器人被预先分配一组站点进行分类。对于每个分配的站点，机器人有三个选择：
- 依靠自身的初始分类结果。
- 使用一个提问机会，将站点数据呈现给人类操作员。
- 花费运动能量前往站点进行更好的感知。
由于机器人共享向远程操作员提问的次数，一个机器人向人类求助的决策会受到其他机器人决策的影响。这种场景模拟了机器人在地理上分离的位置探索环境并执行任务，同时由同一个远程人类操作员监控的现实情况。
- 场景二：优化站点分配 ：将站点分配纳入优化框架。根据初始感知、每个机器人访问站点的运动能量成本以及允许的总提问次数，协作框架决定机器人应该向人类查询哪些站点、依靠初始感知哪些站点以及应该访问哪些站点。如果一个站点需要访问，还会确定由哪个机器人去访问。

2. 预定站点分配情况分析

假设有 K 个机器人，每个机器人预先分配了一组 $N_k$ 个站点，总共有 $N = \sum_{k=1}^{K} N_k$ 个站点。机器人的感知模