虚拟环境中使用人工团队成员进行团队训练

### 虚拟环境中使用人工团队成员进行团队训练 #### 1. 引言 一个由专家组成的团队并不一定就是一个专业的团队。团队的表现不仅取决于每个成员完成自身任务的能力，还取决于他们的团队协作技能。因此，对于许多需要紧密协作的职业来说，团队技能培训是教育中至关重要的一部分。 传统的团队技能培训通常采用大规模的演练方式，让众多参与者在特定场景中扮演各自的角色。然而，这种方式存在诸多弊端。首先，它需要大量的人力和财力资源，组织起来也十分困难。其次，团队成员很难在同一时间和地点参加培训，常常需要其他人员来替代。此外，团队成员的能力水平参差不齐，培训需求也各不相同。 为了解决这些问题，我们提出将虚拟环境（VEs）和智能软件代理相结合的方法。我们的目标是开发一个基于游戏的团队培训平台，让部分团队成员由人类扮演，部分由软件代理扮演。这样一来，团队培训的成本将大大降低，而且可以根据个人的学习目标进行定制化培训。 计算机游戏中常见的计算机控制角色通常是通过脚本编程实现的，这些脚本列出了一系列的触发/事件规则。然而，团队协作所需的行为过于复杂，无法用这些脚本语言进行编程。因此，我们开发了一个框架，用于开发基于目标、计划和信念的软件代理，使其能够“感知”团队的存在。 软件代理的行为由团队协作模型引导。人工智能领域已经对团队协作模型进行了数十年的研究，其典型应用是人机混合团队。我们将其应用于团队培训是一种创新，我们的主要目标不是开发一个总是服从人类的“完美”团队成员，而是开发一个表现自然、让人类能够从中学习的真实团队成员。这样，人类学员在完成培训后，能够在现实世界中成为更优秀的团队成员。 我们的研究目标包括：开发适用于培训基本团队技能的通用团队协作模型；将这些模型应用于开发虚拟环境中的基于代理的人工团队成员。本文将介绍我们基于代理的团队培训方法的概念和设计，并通过一个概念验证研究证明它是一种可行的替代传统人类团队培训的方法。我们将以“Samurai”软件代理为例，展示它如何在虚拟环境中与人类学员协调完成团队任务。 #### 2. 团队协作培训 团队协作是一个复杂而广泛的话题，目前尚未有一个确切的定义。简单来说，团队是一群为实现共同目标而合作的人。这要求团队成员保持共同的认知基础、相互可预测性和相互可指导性。 我们通过以下方式实现了“Samurai”代理： - **共同认知基础**：“Samurai”通过主动与队友分享相关信息来保持共同认知基础。 - **相互可预测性**：通过应用团队组织结构来实现，所有参与者都了解这个结构，它描述了不同团队成员（包括人类和代理）如何完成各自的任务。 - **相互可指导性**：通过请求协议实现，允许一个代理请求另一个代理执行某项行动。 我们认为这些属性是团队成员的基本要求，但它们在行为上的表现可能会有所不同。通过在人工团队成员中明确建模这些差异，我们可以让学员接触到不同类型的团队行为。本文将重点关注团队成员行为的两个特征：无挑衅性和挑衅性。 无挑衅性行为表示团队成员的行为符合团队的整体程序和目标，不会给其他成员带来挑战。相反，挑衅性行为与良好的团队行为相冲突，需要其他成员保持警惕并进行纠正。这两种特征在以下三个团队协作属性中表现如下表所示，共产生了八种不同的团队培训配置。 | 团队属性 | 相互可预测性 | 共同认知基础 | 相互可指导性 | | --- | --- | --- | --- | | 无挑衅性 | 了解组织架构 | 始终分享相关信息 | 始终服从请求 | | 挑衅性 | 不了解组织架构 | 有时未能分享相关信息 | 有时拒绝请求 | 在无挑衅性的相互可预测性中，团队成员对组织架构有全面的了解，清楚每个成员的角色和工作方式。而在挑衅性培训中，团队成员对组织架构的了解不足，这使得“Samurai”和学员之间的行为预测变得困难。学员需要学会与“Samurai”沟通自己的角色，并了解“Samurai”的角色。 在共同认知基础方面，无挑衅性培训中团队成员始终相互沟通相关信息，而在挑衅性培训中，他们可能会因为遗忘或忙碌而未能及时分享信息。这要求学员学会主动收集相关信息。 在相互可指