Международная команда исследователей создала уникальную игру, чтобы выяснить, как люди принимают решения при взаимодействии с другими объектами. Участники выполняли задачу по управлению виртуальным скотом, что позволило ученым изучить, как система координации движения (DPMP) может имитировать человеческое поведение при принятии решений. Эти модели нужны не только в эффективного взаимодействия с ИИ, но и улучшения методов передвижения роботов в будущем.
DPMP представляет собой математическую модель, используемую для понимания того, как человек координирует свои движения в зависимости от обстановки. Ранее считалось, что наш мозг формирует детализированные карты окружающей среды, которые затем используются для планирования движения. Однако недавние исследования показали, что на практике мы действуем иначе: вместо создания сложного плана мы стремимся к цели, учитывая препятствия по ходу движения. Эта концепция подтолкнула ученых к разработке новой модели, которая позволяет точно предсказывать, как человек будет двигаться в зависимости от окружающих условий.
Участникам предлагалось выполнить два варианта задания: загонять одну корову или стадо из нескольких коров в загон. Команда отслеживала порядок, в котором игроки направляли животных, а затем вводила данные в модель DPMP, чтобы понять, может ли она воспроизвести поведение игроков. Оказалось, что модель успешно предсказывала выбор участников в 80% случаев.
Профессор Майкл Ричардсон, старший автор исследования и директор Исследовательского центра производительности и экспертизы Университета Маккуори, отметил, что модель DPMP помогла выявить три основных правила, по которым участники принимали решения: они выбирали первую корову, находящуюся ближе к ним по угловому расстоянию, затем следовали за животным, которое оказывалось ближе к предыдущему, и, при наличии выбора, отдавали предпочтение корове, наиболее удаленной от центра зоны загонной площадки. Это позволило DPMP точно воспроизводить выбор участников и предсказывать их поведение в новых игровых ситуациях.
Ричардсон подчеркнул, что эксперимент с видом от первого лица делает результаты еще более значимыми. В отличие от предыдущих исследований, в которых использовался вид от 3-го лица, новая методика давала игрокам ограниченное поле зрения, что приблизило условия игры к реальным сценариям и усилило точность моделирования.
Эти результаты могут найти применение в самых разных областях — от управления толпой до планирования эвакуации. DPMP помогают предсказать поведение людей в чрезвычайных ситуациях, например, при подготовке пожарных или спасателей в виртуальной реальности, а также для создания более адаптивных систем ИИ, которые смогут точнее понимать и имитировать человеческое поведение.