安卡·德拉甘（Anca Dragan）是一位罗马尼亚裔美国机器人学家和计算机科学家，专攻人机交互（HRI）和算法决策。她是加州大学伯克利分校（UC Berkeley）电气工程与计算机科学系的副教授，并领导着InterACT（交互式自主与协作技术）实验室。她的研究专注于开发数学框架，使机器人能够理解、预测并适应人类行为，旨在让自主系统在现实环境中更具可预测性、可解释性和安全性。
德拉甘因其在人机交互领域的贡献而广受认可，尤其是在机器人运动规划、逆强化学习和人机协作方面。她的工作将机器人学、人工智能和认知科学联系起来，探讨机器人应如何推理人类意图以及人类如何理解机器人决策等基本问题。她获得了众多奖项，包括斯隆研究奖学金、美国国家科学基金会职业奖（NSF CAREER Award）以及《麻省理工科技评论》的“35岁以下创新者”称号。德拉甘还是关于AI和机器人社会影响讨论中的 prominent 声音，倡导透明和以人为本的设计。
早年生活与教育
安卡·德拉甘出生于罗马尼亚，在一个学术背景深厚的家庭中长大。她移居美国接受高等教育，进入宾夕法尼亚州匹兹堡的卡内基梅隆大学（CMU）学习。她于2010年在CMU获得计算机科学学士学位，期间首次对机器人和人工智能产生了兴趣。
德拉甘继续在CMU攻读研究生，于2015年在Siddhartha Srinivasa的指导下获得机器人学博士学位。她的博士论文《可读的机器人运动规划》（Legible Robot Motion Planning）引入了“可读性”的概念，即机器人运动不仅应高效，还应向人类观察者传达其预期目标。这项工作为她后续大量的人机交互研究奠定了基础，并确立了她在该领域的领先地位。
学术生涯与研究贡献
完成博士学位后，德拉甘于2015年加入加州大学伯克利分校，担任助理教授，并于2021年晋升为副教授。在伯克利，她创立了InterACT实验室，汇集了来自机器人学、机器学习和认知科学的研究人员，共同研究交互式自主性。该实验室的研究得到了美国国家科学基金会、海军研究办公室以及谷歌和丰田等行业合作伙伴的资助。
德拉甘的研究大致可分为三个领域：（1）算法人机交互，开发人类行为的数学模型并将其用于指导机器人决策；（2）可解释和透明的机器人行为，专注于使机器人动作对人类可理解；（3）安全且稳健的自主性，应对在非结构化、以人为中心的环境中部署机器人的挑战。
她最具影响力的贡献之一是“可读运动”的概念，她在论文中对此进行了形式化。可读运动指的是设计成易于人类解释的机器人轨迹，即使这些轨迹不是最高效的路径。这一思想已应用于从辅助机器人到自动驾驶的各种领域，并影响了机器人学家对机器人运动沟通方面的思考方式。
德拉甘还在逆强化学习（IRL）方面做出了重要贡献，这是一种从观察到的行为中推断人类偏好和奖励函数的技术。她在此领域的工作侧重于使IRL更加稳健和可扩展，特别是在人类行为嘈杂或次优的环境中。她在顶级会议如国际机器人与自动化会议（ICRA）、机器人学：科学与系统会议（RSS）和神经信息处理系统会议（NeurIPS）上广泛发表了这些主题的研究。
关键概念与方法论
德拉甘研究的核心思想是，机器人不应将人类视为静态障碍或完美理性主体，而应视为动态、有限理性的行动者，其行为受信念、目标和局限性的影响。这一视角促使她开发了考虑人类次优性和不确定性的模型，使机器人能够在交互环境中做出更稳健的决策。
她的一项 notable 方法论贡献是在人机协作中使用“辅助”。在一系列论文中，德拉甘及其合作者探讨了机器人如何通过预测人类需求并相应调整动作来主动辅助人类。这项工作对辅助设备（如残疾人使用的机械臂）和协作制造具有重要意义。
德拉甘还研究了沟通在人机交互中的作用。她表明，机器人可以利用其运动、目光和其他非语言线索向人类传达信息，并且这种沟通可以提高任务性能和信任度。她关于“机器人社交线索”的研究对自动驾驶汽车的设计产生了影响，在这些设计中，向行人传达意图的能力对安全至关重要。
奖项与荣誉
德拉甘的工作获得了众多奖项和荣誉。2016年，她获得了美国国家科学基金会职业奖，该奖项支持有潜力成为学术榜样的早期职业教师。2017年，她被任命为斯隆研究学者，这是授予美国和加拿大杰出早期职业科学家的荣誉。同年，她入选了《麻省理工科技评论》的“35岁以下创新者”名单，该名单表彰其工作有潜力改变世界的年轻创新者。
2018年，德拉甘获得了IEEE机器人与自动化学会早期职业奖，该奖项表彰职业生涯早期阶段对机器人领域做出杰出贡献的研究人员。她还因教学和指导工作而受到认可，于2019年获得了加州大学伯克利分校工程学院杰出教学奖。
德拉甘是主要会议和研讨会（如国际智能机器人与系统会议（IROS）和机器人学习会议（CoRL））的常邀演讲者。她还担任多个机器人和AI会议的程序委员会成员，并是《IEEE机器人学汇刊》的副编辑。
行业与政策参与
在学术界之外，德拉甘与行业和政策组织合作，将她的研究转化为实际应用。她与Waymo和特斯拉等公司合作开展自动驾驶研究，特别是在预测行人和驾驶员行为方面。她的见解为自动驾驶汽车算法的设计提供了信息，这些算法旨在既安全又符合社会接受度。
德拉甘也是负责任AI发展的倡导者。她公开谈论了AI系统中透明度和问责制的重要性，并为AI安全和监管的政策讨论做出了贡献。2021年，她就AI的社会影响在美国参议院商业、科学和交通委员会作证，强调了以人为本设计原则的必要性。
教学与指导
在加州大学伯克利分校，德拉甘教授机器人和AI课程，包括“机器人学导论”和“高级机器人学”。她的教学以动手实践、项目为基础的方法为特点，鼓励学生参与解决现实问题。她指导了许多研究生和博士后研究员，其中许多人后来在学术界和工业界担任职位。
德拉甘以对STEM领域多样性和包容性的承诺而闻名。她参与了旨在鼓励 underrepresented 群体从事机器人和AI职业的外展项目，并谈到了需要更具包容性的研究实践。
精选出版物
德拉甘撰写或合著了100多篇同行评审论文。她一些被引用最多的作品包括：
- “可读的机器人运动规划”（2013年，与Siddhartha Srinivasa合著），，引入了机器人运动中可读性的概念。
- “奖励变换下的策略不变性：奖励塑形的理论与应用”（2015年，与Andrew Ng等人合著），，关于强化学习中奖励塑形的基础论文。
- “人机交互：综述”（2016年，与他人合著），，该领域的全面概述。
- “从人类演示中学习机器人”（2018年，与他人合著），，模仿学习技术的综述。
- “人机协作中的辅助”（2019年，与他人合著），，探讨了机器人如何主动辅助人类。
当前工作与未来方向
截至2024年，德拉甘的研究持续发展，越来越关注机器人学与大型语言模型的交汇点。她正在探索如何使用语言来指定机器人任务，并实现更自然的人机通信。她的实验室还在研究使用深度学习技术来改善复杂动态环境中的机器人感知和决策。
德拉甘还参与开发人机交互的基准和评估框架，旨在标准化研究人员衡量人机交互质量的方式。她一直是开源软件和数据共享的支持者，她的实验室已向研究社区发布了多个数据集和仿真环境。
个人生活与公众形象
德拉甘以其清晰且引人入胜的沟通风格而闻名，无论是在学术写作还是公开演讲中。她在社交媒体上有着 strong 的存在感，讨论从机器人研究到AI伦理等话题。她已婚并有两个孩子，她曾谈到在要求严格的学术生涯与家庭生活之间取得平衡的挑战。
除了研究之外，德拉甘还是科学教育的热情倡导者。她进行了多次公开讲座，并出现在NPR和《纽约时报》等媒体上，讨论AI和机器人的潜力与陷阱。
遗产与影响
安卡·德拉甘的工作对人机交互领域产生了深远影响，塑造了研究人员对人与自主系统之间关系的思考方式。她对可读性和可解释性的强调不仅影响了机器人学，也影响了更广泛的AI社区，在那里，透明和可解释AI的重要性日益得到认可。
她的研究对从自动驾驶汽车到辅助机器人再到智能家居设备等广泛应用具有实际意义。通过开发能够理解和适应人类行为的算法，德拉甘正在帮助使AI系统更加有用、安全和可信。随着AI继续渗透到社会的各个方面，她的工作很可能仍将处于确保这些技术以人类需求为核心设计的前沿。