双重置信度共享控制

性能与安全性双提升

通过量化人与机器双方的决策置信度并动态调整融合权重，该控制策略在无需生理信号依赖的情况下实现可解释的权限分配，相比强化学习基线和传统共享控制方法，在策略性能与系统安全性上均取得显著优势。

Yaqing, Zhou · 赵云波 · 李鹏飞 · Xia, Tian · Shuyue, Jiang · 康宇

Neurocomputing 2026

技术优势

不依赖生理信号

无需采集肌电或脑电等信号，在实际部署中更容易实现。

可解释的权限分配

通过显式建模知识与任务难度、机器可靠性与不确定性，使得融合权重有据可依。

性能与安全性双提升

在LunarLander和无人机路径规划中同时优于基线，表明融合策略能兼顾任务成功率与安全性。

应用场景

• 人机协作控制：无需生理信号即可动态分配权限，降低系统集成门槛。
• 机器人遥操作：在遥操作中根据任务难度与操作者知识动态调节辅助程度，减少误操作。
• 无人机自主导航：在无人机路径规划中融合人机置信度，提升复杂环境下的策略性能与安全性。
• 工业人机协同：无需生理信号即可推断操作者状态，更适合工厂等非侵入式应用场景。