Zespół badaczy zaproponował nowe podejście do trenowania agentów AI zdolnych do efektywnej współpracy z ludźmi bez konieczności dużych zbiorów danych ludzkiego zachowania. Problem jest rzeczywisty: uczenie reinforcement learning'owe na żywo z ludzkim feedback'iem jest kosztowne, a czysty trening symulacyjny często zawodzi, gdy agent musi pracować z rzeczywistymi ludźmi, których zachowanie odbiega od wzorców ze szkolenia.
Rozwiązaniem jest trening agentów przeciwko tak zwanym Cognitively Constrained Partners - symulowanym partnerom, których ograniczenia wynikają bezpośrednio z literatury na temat fizykologii człowieka. Zamiast arbitralnie kształtować nagrody czy używać zapisanych punktów kontrolnych z treningu, naukowcy wbudowali w symulowanych partnerów rzeczywiste ludzkie ograniczenia takie jak opóźnienia czasu reakcji czy ograniczenia percepcyjne. To podejście powoduje, że syntetyczni partnerzy zachowują się bardziej naturalnie i nieprzewidywalnie.
W badaniach przeprowadzonych w zmodyfikowanym środowisku Lunar Lander wyniki wypadły obiecująco. Agenty trenowane przeciwko partnerom z ograniczeniami poznawczymi osiągały wydajność porównywalną z najlepszymi bazami porównawczymi, ale najważniejsze - ich wydajność nie zależała od tego, w jaki sposób wygenerowani zostali ich partnerzy treningowi. Badacze zaplanowali również studia z udziałem ludzi, aby bezpośrednio porównać, jak dobrze tradycyjna ocena zdolności koordynacji w symulacji przewiduje rzeczywistą współpracę agenta z człowiekiem.