勘误表：利用动态和随机任务能力协调人机协作团队

《ACM Transactions on Human-Robot Interaction》：Corrigendum: Coordinating Human-Robot Teams with Dynamic and Stochastic Task Proficiencies

　　

编辑说明

此更正声明针对发表在《ACM Trans. Hum.-Robot Interact.》11(1): 5:1-5:42（2021年）的文章《利用动态和随机任务能力协调人机团队》（Coordinating Human-Robot Teams with Dynamic and Stochastic Task Proficiencies）进行更正。

摘要

这是对发表在《ACM Trans. Hum.-Robot Interact.》11卷第5篇文章《利用动态和随机任务能力协调人机团队》的更正声明。

：

错误及其更正

在《ACM Trans. Hum.-Robot Interact.》第11卷第1期的文章《利用动态和随机任务能力协调人机团队》（Liu等人发表）中，用于评估假设H3的统计分析需要进行修订。

已发布的分析使用非参数检验比较了不同调度策略下的平均完工时间改进情况，并包含了基于受试者匹配子样本的额外分析。由于每个会话中两名参与者的完工时间是共享的，并且在多个轮次中进行了重复测量，因此修订后的分析将团队作为分析单位，使用了全部45个团队的数据。第2轮至第5轮的完工时间进行了归一化处理，以每个团队第1轮的完工时间为基准。性能轨迹分析采用了线性混合效应模型，其中调度策略、轮次及其交互作用作为固定效应，团队的完工时间作为随机截距。最后一轮的归一化完工时间则是针对每个团队单独进行分析的。因此，鉴于修订后的分析结果，图13中的受试者匹配分析和相应部分可以忽略不计。

修订后的分析显示，归一化完工时间在各轮中显著下降（χ²(1) = 43.68, p < .001），并且改进率因调度策略而异（χ²(2) = 7.47, p = .024）。与“Annealed Explore-Exploit”（AEE）相比，“Explore-Exploit”策略在归一化完工时间上的减少更为显著（Δβ = 0.060, 95%置信区间 [0.007, 0.113], p = .021）。而“Explore-Exploit”与“Exploit”或“Exploit”与“AEE”之间的对比均未达到显著性水平。

调度策略还显著预测了最后一轮的归一化完工时间（F(2, 42) = 3.74, p = .032, η² = .15）。经过Holm调整后，“Explore-Exploit”策略的最后一轮归一化完工时间显著低于“AEE”策略（p = .032）。 “Explore-Exploit”与“Exploit”之间没有显著差异，“Exploit”与“AEE”之间也没有显著差异。非参数敏感性分析也得出了相同的结论（χ²(2) = 7.50, p = .023），只有在“Explore-Exploit”与“AEE”之间的对比中经过Holm调整后达到了显著性水平（p = .021）。

调度策略影响了性能轨迹和最后一轮的归一化完工时间。“Explore-Exploit”策略带来的改进更为显著，但最终归一化完工时间并未显著优于单纯的“Exploit”策略。因此，H3假设仅得到部分支持。

原文章中的图13已被此处提供的图1替代，该图展示了不同调度策略下的最后一轮归一化完工时间以及第2轮至第5轮的归一化完工时间。这些统计上的修订进一步明确了H3假设分析结果的解释。

图1.

不同策略下的完工时间对比。图1a显示了不同调度策略下的最后一轮归一化完工时间；图1b展示了每种调度策略下各团队在不同轮次的归一化完工时间。

还有一些主观结果分析中的自由度也需要更正。在机器人信任分析中，与感知到的团队能力和机器人表现之间的关联应分别为 (F(1,83) = 10.63, p = .002) 和 (F(1,83) = 18.54, p < .001)；而表现较差的参与者中调度策略与信任之间整体关联应为 (F(2,37) = 4.887, p = .013)。在人机合作分析中，调度策略的影响应表现为 (F(2,83) = 3.843, p = .0251)。与感知到的团队能力和平均完工时间改进之间的关联应分别为 (F(1,83) = 21.289, p < .001) 和 (F(1,83) = 8.218, p = .005)。这些自由度的修正并不改变主观结果分析的结论。