[论文解读] Extending Feynman's Formalisms for Modelling Human Joint Action Coordination

Vladimir G. Ivancevic, Eugene Aidman+1 more|ArXiv.org|Jun 30, 2009

Action Observation and Synchronization参考文献 6被引用 3

一句话总结

本文将费曼的作用量形式化扩展至人类联合行动协调建模，通过引入双项自适应联合动作——结合认知/动机势能与物理动能——并由表示无穷维神经网络的路径积分所支配。该模型整合了伯恩斯坦的感官反馈回路与布鲁克斯的从属架构，以模拟多智能体团队中的实时协调，展示了其在三方及多方互动中处理混沌动力学的能力。

ABSTRACT

The recently developed Life-Space-Foam approach to goal-directed human action deals with individual actor dynamics. This paper applies the model to characterize the dynamics of co-action by two or more actors. This dynamics is modelled by: (i) a two-term joint action (including cognitive/motivatonal potential and kinetic energy), and (ii) its associated adaptive path integral, representing an infinite--dimensional neural network. Its feedback adaptation loop has been derived from Bernstein's concepts of sensory corrections loop in human motor control and Brooks' subsumption architectures in robotics. Potential applications of the proposed model in human--robot interaction research are discussed. Keywords: Psycho--physics, human joint action, path integrals

研究动机与目标

• 通过基于心理物理学与微分几何的广义作用量形式化，建模两人或以上人类智能体的协调动作动力学。
• 解决在联合任务中实现实时、时间非对称协调的挑战，即智能体在不同时刻行动但需同步意图。
• 将运动控制原理（伯恩斯坦的感官校正回路）与机器人学原理（布鲁克斯的从属架构）整合进统一的联合行动动力学框架。
• 将Life–Space–Foam方法扩展至多智能体系统，特别适用于具有潜在混沌行为的三方及多方协调。
• 提供一个形式化、数学基础坚实的模型，适用于高风险环境（如应急响应）中的人机交互与团队绩效。

提出的方法

• 提出一个双项自适应联合动作泛函 A[x,y;t_i,t_j]，结合认知势能（通过智能体间距离 I_ij² 的狄拉克函数）与共同黎曼流形上的动能。
• 采用路径积分形式化建模联合动力学，表示为无穷维神经网络，并通过学习规则实现离散时间适应。
• 应用源自伯恩斯坦感官校正回路与布鲁克斯从属架构的反馈自适应回路，实现多智能体系统中的分层、反应式行为。
• 利用Finsler流形结构将模型推广至N智能体系统，其联合构型空间为3n维，联合度量张量为 F² = g_rs(q, q̇) q̇^r q̇^s。
• 采用离散时间学习规则——赫布型与梯度下降法——更新反馈回路中的伯恩斯坦权重（布鲁克斯节点），以调整动作策略。
• 将路径积分解释为神经网络，作为实时决策与意图自适应的计算基础。

实验结果

研究问题

• RQ1 如何将费曼的作用量形式化扩展至建模人类联合行动中的认知与物理协调？
• RQ2 何种数学结构可实现不同时间行动的智能体之间的时间非对称、基于意图的协调？
• RQ3 如何将人类运动控制中的反馈机制（伯恩斯坦）与机器人从属架构（布鲁克斯）整合进统一的联合行动模型？
• RQ4 混沌动力学在多方联合行动中起何种作用？如何在所提形式化中实现其控制？
• RQ5 该模型在哪些方面可支持具备自适应、实时协调能力的人机团队设计？

主要发现

• 模型成功将联合行动表示为双项作用量泛函：认知势能（依赖于智能体间距离 I_ij²）与仅在意图同步时激活的物理动能。
• 路径积分形式化将联合行动动力学捕捉为无穷维神经网络，支持自适应学习并能实时响应协调需求的变化。
• 在三方或多方协调中，系统运行于3n维Finsler流形上，具有非平凡几何结构，从而增加混沌行为的潜在性。
• 源自伯恩斯坦感官校正与布鲁克斯从属架构的反馈自适应回路，支持分层、反应式控制，兼具无监督（赫布型）与有监督（梯度下降）学习规则。
• 模型在处理多余自由度与不确定性方面表现出鲁棒性，可模拟非平坦地形或冲突控制输入等现实条件。
• 该框架为人机团队协作与应急响应场景中的假设生成提供了形式化基础，尤其适用于操作员界面与团队运作概念的设计。