关于人在回路系统的简单介绍

应版主邀请，对人在回路概念做一简单介绍。
人在回路（human in the loop）属于今天计算机科学的一个前沿领域。广义的人在回路，简称HIL或HITL，指计算机于人脑合作，共同管理或操作一个系统。在此定义中，人可以扮演主动角色，也就说参与操作，也可以扮演被动角色，即单纯被计算机观察和服务。狭义的HIL则专指人参与控制的主动角色。

人脑的优势是，在各种复杂环境中可以对复杂任务作出正确的理解和决策。考虑到今天AI仍旧处于极其初始的阶段，这方面实在无法取代人脑的作用。但是人脑的明显缺点是反应既慢，又容易出错，尤其是操作非常复杂的情况下。计算机则刚好相反，所以结合两者的优点，避免双方的缺点，是HIL的主要课题。

HIL在联合操作方面可以采取不同的策略，此处仅举一例。2012年，幕尼黑工大应NASA要求，测试过为太空站研制的机器人PR2。此机器人能2D行走，并有一条6D自由度的机械臂。要求由一群只经过简单训练和没有经过训练的操作员，操作PR2绕过有多个不同形状障碍物的房间，在一个指定橱柜中的多个物件中，抓取指定物件，并且尽可能不撞障碍物，至少不严重撞击障碍物，并且抓取成功。

试验组为此设计了四种策略，1，PR2行动前即制定好全部行动计划。2，设定多个行动分区，PR2每到达一个行动分区，以粗略指令方式，制订该分区行动计划。3，完全让RP2自行操作。4，由人员全程精确参与操作。

实验结果表明，策略2在两个阶段都有良好表现，1为最困难和失误最多，4的成绩甚至比3更差。

2的胜出原因很容易理解，人脑将整个复杂过程分解成了一系列简单的分任务，计算机发挥其快速，精确的长处，高效率的执行了这些分任务，这样一来，人脑节约了大量时间和操作过程，而计算机避免了过于复杂的任务分析。多个HIL的论文均将这一策略视为最优选择。但是需要注意的事，随任务与环境的变化，这一最优选择是可以改变的。一般而言，任务与环境越复杂，人的参与就需要越多，知道完全超出计算机的能力，完全依靠人力。反之亦然。非常简单的任务，完全委托给计算机会很有效率。

此外还有其他一些因素会影响选择，比如美军的弹簧刀导弹，因为是一种廉价单兵弹药，不能使用昂贵的计算机，所以只让计算机负责极其简单的飞行平衡等任务。再比如智能房屋暖气，因为人的舒适要求是不可精确预测的，所以把精确调节的操作任务交给住户。

人扮演被观察的被动角色或主动被动混合角色，除了上诉的智能暖气，医疗监护系统是典型的例子。医院将传感器布置在患者身上，然后远程遥感患者的身体健康状况，与医院数据库对比分析医疗方案。

除此之外还有一个近年来倍受关注的领域，就是监视网络，然后收集有用信息，供决策者使用。美国NSA的全球网络窃听和中国网络堤坝都是其中的典型。

这类系统需要处理的主要问题是网络谣言，一个网络谣言可以在网络是极快极广的传播。对此的一个对策是对比各收集信息的相似性，以此确定哪些信息其实是相同的信息源，将其归一。再根据不同信息源对于某一事件的支持或反对的比例，判断这一事件是否可信。

除此以外的其他内容还有很多，不过大家就自行查资料吧。不过介绍一个前景，如果主动系统发展成熟，那么操作员可以用打游戏机那样的简单操作，使机器人做出电影蜘蛛侠那样的快速复杂动作。而被动系统如果发展成熟，那就是1984里的老大哥，你的一举一动直到思想和情绪全部被严密监视和分析。这就是技术的双刃剑效应啦。

应版主邀请，对人在回路概念做一简单介绍。
人在回路（human in the loop）属于今天计算机科学的一个前沿领域。广义的人在回路，简称HIL或HITL，指计算机于人脑合作，共同管理或操作一个系统。在此定义中，人可以扮演主动角色，也就说参与操作，也可以扮演被动角色，即单纯被计算机观察和服务。狭义的HIL则专指人参与控制的主动角色。

人脑的优势是，在各种复杂环境中可以对复杂任务作出正确的理解和决策。考虑到今天AI仍旧处于极其初始的阶段，这方面实在无法取代人脑的作用。但是人脑的明显缺点是反应既慢，又容易出错，尤其是操作非常复杂的情况下。计算机则刚好相反，所以结合两者的优点，避免双方的缺点，是HIL的主要课题。

HIL在联合操作方面可以采取不同的策略，此处仅举一例。2012年，幕尼黑工大应NASA要求，测试过为太空站研制的机器人PR2。此机器人能2D行走，并有一条6D自由度的机械臂。要求由一群只经过简单训练和没有经过训练的操作员，操作PR2绕过有多个不同形状障碍物的房间，在一个指定橱柜中的多个物件中，抓取指定物件，并且尽可能不撞障碍物，至少不严重撞击障碍物，并且抓取成功。

试验组为此设计了四种策略，1，PR2行动前即制定好全部行动计划。2，设定多个行动分区，PR2每到达一个行动分区，以粗略指令方式，制订该分区行动计划。3，完全让RP2自行操作。4，由人员全程精确参与操作。

实验结果表明，策略2在两个阶段都有良好表现，1为最困难和失误最多，4的成绩甚至比3更差。

2的胜出原因很容易理解，人脑将整个复杂过程分解成了一系列简单的分任务，计算机发挥其快速，精确的长处，高效率的执行了这些分任务，这样一来，人脑节约了大量时间和操作过程，而计算机避免了过于复杂的任务分析。多个HIL的论文均将这一策略视为最优选择。但是需要注意的事，随任务与环境的变化，这一最优选择是可以改变的。一般而言，任务与环境越复杂，人的参与就需要越多，知道完全超出计算机的能力，完全依靠人力。反之亦然。非常简单的任务，完全委托给计算机会很有效率。

此外还有其他一些因素会影响选择，比如美军的弹簧刀导弹，因为是一种廉价单兵弹药，不能使用昂贵的计算机，所以只让计算机负责极其简单的飞行平衡等任务。再比如智能房屋暖气，因为人的舒适要求是不可精确预测的，所以把精确调节的操作任务交给住户。

人扮演被观察的被动角色或主动被动混合角色，除了上诉的智能暖气，医疗监护系统是典型的例子。医院将传感器布置在患者身上，然后远程遥感患者的身体健康状况，与医院数据库对比分析医疗方案。

除此之外还有一个近年来倍受关注的领域，就是监视网络，然后收集有用信息，供决策者使用。美国NSA的全球网络窃听和中国网络堤坝都是其中的典型。

这类系统需要处理的主要问题是网络谣言，一个网络谣言可以在网络是极快极广的传播。对此的一个对策是对比各收集信息的相似性，以此确定哪些信息其实是相同的信息源，将其归一。再根据不同信息源对于某一事件的支持或反对的比例，判断这一事件是否可信。

除此以外的其他内容还有很多，不过大家就自行查资料吧。不过介绍一个前景，如果主动系统发展成熟，那么操作员可以用打游戏机那样的简单操作，使机器人做出电影蜘蛛侠那样的快速复杂动作。而被动系统如果发展成熟，那就是1984里的老大哥，你的一举一动直到思想和情绪全部被严密监视和分析。这就是技术的双刃剑效应啦。