Ny forskning tyder på att när två personer måste arbeta tillsammans på en fysisk uppgift trots motstridiga mål, mängden tillgänglig information om varandras handlingar påverkar hur snabbt och optimalt de lär sig att samarbeta. Vinil Chackochan och Vittorio Sanguineti vid universitetet i Genua, Italien, presentera dessa fynd i PLOS Computational Biology .

Mest tidigare forskning om människors förmåga att samordna handlingar med andra har behandlat situationer där två personer delar ett gemensamt mål, som att transportera en last eller använda ett verktyg. Mycket oftare, människors mål konflikter, och de måste komma på hur de ska samarbeta. Dock, få studier har undersökt sådana situationer.

För den nya studien, Chackochan och Sanguineti designade en experimentell uppgift där två deltagare får i uppdrag att utföra olika, konkurrerande uppsättningar av rörelser som använder samma mekaniska apparat samtidigt. De använde också Bayesiansk statistik och differentiell spelteori för att designa en beräkningsmodell som simulerar liknande partnersituationer.

Analys av experimentresultaten och simuleringarna visade att, när man har mer information om hur en partner reagerar på ens handlingar, samarbete uppnås snabbare, och man tenderar att utveckla optimala interaktionsstrategier liknande de som spelteorin förutsäger. I kontrast, med mindre information om sin partner, en person utvecklar strategier som minimerar behovet av den informationen.

Fynden ger nya insikter om det minimala beräkningsmaskineriet som behövs för stabilt fysiskt samarbete. Att förstå mekanismerna som ligger till grund för dessa typer av interaktion mellan människa och människa kan hjälpa till att utveckla robotar som kan interagera med människor på ett mer naturligt sätt. människoliknande mode.

"Spelteorin har haft en enorm inverkan på många områden, inklusive ekonomi, statsvetenskap, lingvistik, operationsforskning, och mer, " Chackochan säger. "Tillämpning av spelteori i mänskligt gemensamt agerande kan ha långtgående potential, speciellt inom området för interaktion mellan människa och robot."

Nästa, forskarna planerar att utforska hur människor uppnår och representerar kunskap om en partners pågående handlingar och mål. De syftar också till att arbeta mot utveckling av en bioinspirerad virtuell agent med inbyggda samarbetsmöjligheter.