Resumo Técnico: Autoridade de Alternância Principiada para Autonomia Compartilhada em Equipes Humano-Robô

Definição do Problema

A autonomia compartilhada em sistemas ciber-físicos (CPS) requer mecanismos para alocar dinamicamente o controle entre humanos e agentes autônomos. As abordagens existentes frequentemente dependem de mistura de entradas de controle ou regras de alternância heurísticas. Esses métodos sofrem com a falta de garantias teóricas, dependência de predição de intenção precisa e a imposição de cargas cognitivas contínuas ao operador humano (exigindo entrada constante). Além disso, eles frequentemente falham em considerar a probabilidade real de intervenção do humano (propensão de sobreposição/override), levando a uma coordenação subótima em domínios críticos de segurança, como direção autônoma e teleoperação.

O desafio central abordado é como formular a alternância de autoridade como um problema de decisão cooperativo e ótimo para a equipe, que modele explicitamente a capacidade de sobreposição do humano e os custos associados à troca de controle, em vez de depender de regras ad hoc.

Metodologia: O Framework Flip-Team

Os autores propõem o Flip-Team, um framework cooperativo que modela a alternância de autoridade como um jogo dinâmico de interesse idêntico. O sistema opera sob um paradigma de "humano no loop" (human-on-the-loop), onde o sistema autônomo opera independentemente e o humano retém a autoridade de sobreposição supervisora.

1. Dinâmica do Sistema e Estado

O sistema é modelado como um sistema dinâmico de tempo discreto onde o estado da autoridade de controle no tempo $k$ é denotado por um estado FlipDyn $\alpha_k \in \{H, A\}$ (Humano ou Autônomo).

• Controle Humano: $x_{k+1} = F^H_k(x_k, u_k)$
• Controle Autônomo: $x_{k+1} = F^A_k(x_k, w_k)$
• Ações de Tomada de Controle (Takeover): Os agentes realizam ações $\pi^j_k \in \{0, 1\}$ (ocioso ou solicitação de tomada de controle).
• Lógica de Transição: As transições são mutuamente exclusivas. Crucialmente, quando o agente autônomo está no controle, uma tentativa de sobreposição humana tem sucesso com uma probabilidade $p_k$ (a propensão de sobreposição do humano) se o agente autônomo não solicitar uma passagem de controle (handoff). Se o agente autônomo solicitar um handooff, a transição é determinística.

2. Estrutura de Custo

O objetivo é minimizar uma função de custo total $J$ sobre um horizonte finito $L$:
$$J = g_{L+1}(x_{L+1}, \alpha_{L+1}) + \sum_{t=1}^{L} \left( g_t(x_t, \alpha_t) + \pi^H_t h_t(x_t) + \pi^A_t a_t(x_t) \right)$$

• Custo de Estado ($g_t$): Representa métricas de desempenho (ex: erro de rastreamento, energia), que diferem entre o controle humano e o autônomo ($g^H_t \neq g^A_t$).
• Custos de Alternância ($h_t, a_t$): Representam a carga cognitiva, a mudança de atenção ou o risco de transição para o humano e para o agente autônomo, respectivamente.

3. Política de Alternância Ótima (Caso Linear-Quadrático)

Para sistemas lineares com custos quadráticos (sistemas LQ), os autores derivam soluções de forma fechada usando programação dinâmica.

• Funções de Valor: O custo de ida (cost-to-go) é representado por funções de valor quadráticas $V^H_k(x) = x^\top P^H_k x$ e $V^A_k(x) = x^\top P^A_k x$.
• Recursos (Recursões): As matrizes $P^H_k$ e $P^A_k$ são computadas via recursão para trás (backward recursion).
• Teorema 1 (Condições de Alternância): A política ótima é determinada pela comparação da vantagem de custo relativa do controle humano vs. autônomo (quantificada por $\tilde{P}_{k+1}$) contra os custos de alternância e a probabilidade de sobreposição $p_k$.
  • Quando o Humano está no Controle: Mantém o controle se a vantagem de custo do controle humano mais os custos de alternância forem favoráveis; caso contrário, ocorre uma passagem de controle coordenada para a autonomia.
  • Quando o Autônomo está no Controle: Três regimes emergem baseados em $p_k$:
    1. Manter (Retain): Se a vantagem de custo do controle humano for insuficiente em relação a $p_k$.
    2. Sobrepor (Override): Se a vantagem de custo for significativa e $p_k$ for alto o suficiente, o humano assume o controle unilateralmente.
    3. Passagem Coordenada (Coordinated Handoff): Se a vantagem de custo for grande, ambos os agentes concordam em transferir o controle.

4. Limiar de Sobreposição e Estimativa

• Teorema 2 (Limiar Crítico): O artigo deriva um limiar crítico $p^*_k(x)$ que determina quando a intervenção humana é custo-efetiva. Para custos de alternância isotrópicos, isso simplifica para uma razão independente do estado: $p^* = h / (h + a)$.
  • Se a propensão real do humano $p_k < p^*$, a intervenção provavelmente não é custo-efetiva.
  • Se $p_k > p^*$, a intervenção é justificada.
• Estimativa Online: Como $p_k$ é desconhecido na prática, os autores propõem um método de estimativa online. Isso envolve rastrear a frequência de sobreposições humanas durante condições específicas (controle autônomo, sem solicitação de handoff) através de episódios ou usar suavização exponencial dentro de um episódio para estimar adaptativamente $\hat{p}_k$.

Principais Contribuições

1. Framework de Alternância Principiada: Formulação da alternância de autoridade como um jogo cooperativo com custos assimétricos e capacidade de sobreposição humana, resultando em políticas ótimas sem ajuste heurístico.
2. Derivação do Limiar de Sobreposição: Derivação de um limiar crítico $p^*_k$ que determina quando a tomada de controle pelo humano é custo-efetiva, fornecendo diretrizes de design interpretáveis.
3. Soluções de Forma Fechada: Para sistemas linear-quadráticos, a derivação de condições de alternância de forma fechada e recursões de função de valor que permitem computação eficiente independente da dimensão contínua do estado.
4. Estimativa Adaptativa: Um método proposto para estimar a propensão de sobreposição online a partir de intervenções observadas, permitindo a alternância adaptativa sem calibração prévia.

Avaliação e Resultados

O framework foi avaliado em uma tarefa de regulação de altitude de um quadrotor 1D (dinâmica de duplo integrador) com um horizonte de 30 passos.

• Baselines (Linhas de Base): O Flip-Team foi comparado contra:
  1. Sempre-autônomo.
  2. Sempre-humano.
  3. Uma heurística de limiar de desempenho (alternância baseada apenas no erro de rastreamento).
• Métricas: Custo total, número de trocas e porcentagem de tempo sob controle humano.
• Resultados:
  • O Flip-Team alcançou o menor custo total (40.5), superando a linha de base sempre-humano (43.2) em 6% e a linha de base sempre-autônoma (45.6) em 11%.
  • A linha de base de limiar de desempenho apresentou o maior custo (55.3), demonstrando que a alternância reativa baseada apenas em erro, sem considerar a propensão ou custos de alternância, degrada o desempenho.
  • O Flip-Team alcançou esses resultados com apenas 1.8 alternâncias de autoridade em média, com o humano no controle durante 56% do tempo.
  • A política ótima antecipou com sucesso fases onde a intervenção humana era tanto provável (alto $p_k$) quanto benéfica (vantagem de custo), evitando trocas desnecessárias durante fases de baixo engajamento.

Significância e Alegações

O artigo alega que o Flip-Team fornece um mecanismo principiado para autonomia compartilhada que equilibra a adaptabilidade humana com a eficiência autônoma. Ao modelar explicitamente a propensão de sobreposição do humano e os custos de alternância, o framework evita as armadilias de regras heurísticas que ou sobrecarregam o humano ou falham em intervir quando necessário.

Os autores enfatizam que a derivação do limiar crítico oferece diretrizes de design acionáveis:

• Designers podem ajustar os custos de alternância ($H_k, A_k$) para moldar o cenário de engajamento.
• Praticantes podem modular a propensão do humano (via alertas ou calibração de confiança) para garantir que ela permaneça acima do limiar crítico quando a intervenção é necessária.

O trabalho é modesto em seu escopo atual, observando que a avaliação depende de um modelo humano simulado com um perfil de propensão construído manualmente e uma tarefa 1D. Os autores afirmam que trabalhos futuros validarão o framework com experimentos de humano-no-loop, estenderão para estimativa de propensão dependente do estado e aplicarão o framework a sistemas de maior dimensão e não lineares.