●前言
第1章人工智能時代人機繫統的新發展1
1.1面向自動化控制的人機繫統1
1.1.1繫統、機器和人1
1.1.2人機繫統典型例子3
1.1.3研究人機繫統的必要性5
1.1.4人機繫統相關研究領域6
1.2人工智能時代的人機混合智能繫統8
1.2.1人工智能技術的未來展望8
1.2.2弱人工智能與人機混合智能繫統11
1.2.3人機混合智能繫統的典型例子和場景15
1.2.4人機混合智能繫統中人的位置20
1.3人機混合智能繫統的研究挑戰21
1.3.1作為關鍵核心的自主性21
1.3.2人機混合智能繫統及其自主性的相關研究22
1.3.3人機混合智能繫統研究面臨的挑戰28
1.3.4學術界和政府關注29
1.4本章小結30
第I部分人機混合智能繫統自主性理論
第2章人機混合智能繫統基於空間和邊界概念的自主性描述框架33
2.1人機混合智能繫統的自主性及其邊界33
2.1.1人機混合智能繫統的智能與自主性的一般討論33
2.1.2人機混合智能繫統的自主性空間36
2.1.3人機混合智能繫統的自主性邊界39
2.2自主性空間和自主性邊界的擴展41
2.2.1自主性絕對邊界42
2.2.2自主性相對空間和相對邊界43
2.3人與機器自主決策的聯合形式表示44
2.4本章小結45
第3章人機混合智能繫統基於自主性聯合空間和聯合邊界的設計框架.46
3.1人機混合智能繫統的基本控制策略和設計框架46
3.1.1人機混合智能繫統的基本控制策略：介入控制和共享控制46
3.1.2人機混合智能繫統的基本設計框架：自主性聯合空間和聯合邊界49
3.2人在環上：人機混合智能繫統的介入控制52
3.2.1機器（單向）介入控制52
3.2.2人的（單向）介入控制53
3.2.3人機切換（雙向介入）控制54
3.3人在環內：人機繫統中人與機器的共享控制56
3.3.1基本共享控制56
3.3.2擴展共享控制57
3.4本章小結58
第4章自主性邊界：深度學習不確定性的定量刻畫59
4.1面向人機混合智能繫統的深度學習不確定性的定量刻畫59
4.2基於貝葉斯模型刻畫深度學習不確定性的幾種代表性方法61
4.2.1Probabilisticbackpropagation方法61
4.2.2Bayesbybackprop方法63
4.2.3MCdropout方法65
4.3模型不確定性在強化學習中的應用66
4.3.1通過量化模型不確定性促進深入探索67
4.3.2通過量化模型不確定性實現動態避障68
4.4本章小結69
第5章自主性邊界：不同場景下的典型判定及應用70
5.1介入控制下的自主性邊界典型判定及應用70
5.1.1機器介入人：利用自主性邊界的判定優化機器對人的*小干預70
5.1.2人介入機器：利用自主性邊界的判定優化強化學習算法74
5.2共享控制下的自主性邊界典型判定及應用77
5.2.1共享控制中的自主性邊界判定77
5.2.2基於仲裁機制的人機共享控制79
5.2.3利用自主性邊界優化基於仲裁機制的人機共享控制80
5.3本章小結82
第II部分人機混合智能繫統設計方法
第6章人在環上：人的認知提升機器智能85
6.1利用人的認知特性提升機器學習算法性能的基本思想85
6.2利用人的認知心理模型提升機器智能86
6.2.1樸素貝葉斯算法介紹87
6.2.2利用人的認知特性的拉普拉斯平滑模型對樸素貝葉斯算法性能的提升89
6.2.3利用人的認知特性的松散對稱模型對樸素貝葉斯算法性能的提升91
6.2.4引入松散對稱模型提升基於拉普拉斯平滑的樸素貝葉斯算法的性能94
6.3利用人的生理認知特性提升機器智能96
6.3.1目標識別任務中人的生理認知特性測量96
6.3.2利用人腦視覺神經的活動特點改進支持向量機算法97
6.4本章小結100
第7章人在環上：人的介入增強AI繫統可靠性101
7.1增強AI繫統可靠性的必要性和重要性.101
7.1.1對AI繫統可靠性的要求101
7.1.2現有技術框架難以從本質上保證AI繫統的可靠性103
7.2人的介入增強AI繫統可靠性的思路和方法框架104
7.2.1人的介入增強AI繫統可靠性的基本思路104
7.2.2人的介入增強AI繫統可靠性的基本框架105
7.3人的介入提升珍珠分揀準確性107
7.3.1方法和實驗設置107
7.3.2獨立網絡模型的搭建及訓練.108
7.3.3基於人的分歧介入方法的珍珠分揀實驗結果109
7.4本章小結109
第8章人在環內：基於POMDP的共享自主110
8.1POMDP模型及其求解110
8.1.1POMDP模型表示110
8.1.2POMDP模型求解112
8.2基於POMDP的人機共享自主典型實例113
8.2.1利用POMDP實現汽車車道保持的共享自主114
8.2.2利用POMDP實現智能學習輔助繫統的共享自主116
8.3過度信任和缺乏信任在基於POMDP的共享控制框架下的解釋118
8.4本章小結120
第9章人在環內：基於強化學習的共享控制121
9.1強化學習和深度強化學習基本知識121
9.1.1強化學習基本知識121
9.1.2深度強化學習基本知識124
9.2基於強化學習的共享控制典型方法127
9.2.1基於DQN的無須先驗知識的共享控制方法127
9.2.2基於SAC的無須預先訓練的共享控制方法129
9.2.3基於AC的無須動態模型的共享控制方法132
9.3基於強化學習的共享控制實例134
9.4本章小結136
第10章人在環內：人機序貫決策的共享控制138
10.1序貫決策的基本概念.138
10.2人機序貫決策問題的典型場景.141
10.2.1“人參與問題”的人機序貫決策141
10.2.2“人介入方法”的人機序貫決策142
10.3基於POMDP方法求解“人參與問題”的人機序貫決策問題143
10.3.1“人參與問題”的人機序貫決策問題的POMDP框架概述143
10.3.2人機繫統的POMDP框架實現駕駛輔助繫統中的“車道保持”145
10.4基於MPC方法求解“人參與問題”的人機序貫決策問題147
10.4.1“人參與問題”的人機序貫決策問題的MPC框架概述147
10.4.2人機繫統的MPC框架實現輔助駕駛繫統中的“車輛變道”148
10.5基於RL方案求解“人介入方法”的人機序貫決策問題150
10.5.1“人介入方法”的人機序貫決策問題的RL框架概述150
10.5.2人機繫統的RL框架實現倒立擺繫統性能的提升152
10.6本章小結154
參考文獻155
索引167
插圖目錄169
表格目錄171
算法目錄172
定義列表173
例子列表174

人的智能和AI賦能的機器智能在自動化控制領域的共融共存形成了“人機混合智能繫統”這一新型的繫統形式和智能形式。一方面，這類繫統所代表的繫統結構形式是傳統自動化控制繫統應對AI賦能的機器智能變革的必然發展形勢；另一方面，它所代表的智能形式也成為A未來發展的重要甚至是專享的終極形式。在本書中，我們試圖拋磚引玉，對這一全新而重要的研究領域提供初步但繫統性的思考。全書共分10章，第1章首先討論了人工智能時代人機繫統的新發展，然後分別介紹人機混合智能繫統的自主性基本理論（第部分，包括第2～5章）和設計方法（第Ⅱ部分，包括第6～10章），涵蓋了人機混合智能繫統的自主性定義、邊界判定、各種介入控制和共享控制方法等重要內容。本書適合作為人工智能、自動化相關專業研究生的專業課教材，也可供從事相關領域研究的科研人員閱讀參考。