接下來幾篇會來介紹會分幾個部份介紹，首先是這篇研究要解決的問題，環境的複雜度，再來是它的核心方法，最後再講到它的實驗結果，證明它的方法與有效性，我們也會藉由幾個章節慢慢介紹論文的方法：Bayesian Delegation

簡介

Multi-agent 跟 single-agent的差異在於多智能體可以有效用量去解決問題，但問題在於，要如何去分工，同時不會阻礙到自己，如果我們不使用中心化的方法，就必須要透過溝通方式去表達分工合作，Bayesian Delegation 解決了這方面問題，它可以不用透過言語，而是像是人類一樣，猜測其他人的心裡意圖，這種心智模型，可以讓智能體很好的自動決策，自己該做什麼。同時 Bayesian Delegation 很好的解決高階任務與低階任務問題。在這個專案裡面，高階像是做菜、送餐，低階任務像是平常的走動，移動同時也要注意要避免發生阻塞。

在論文最後，除了一般的self-play模式，還有ad-hoc，與其他演算法智能體合作的模式，最後該研究找了許多測試員，來評估 Bayesian Delegation 方法在心智模型上，是不是有等同於人類的表現。

自主決策與心智理論

舉幾個例子，如果我們是在很多人的餐廳端餐盤，外場跟內場如何合作？當突然出現奧客的時候該怎麼辦？或甜點讓客人等很久該如何？

此時此刻，身為智能體的你可能在思考著，我是誰？我在這邊做什麼？我下一步要做什麼，做什麼才是對餐廳(團隊)最好的？
此時此刻，不等經理的命令，你知道身為一位優雅又專業的服務生，你，應該做什麼？

分散式多智能體就像這樣，希望自己做決策，且應對外界環境，動態做更新。但是在與其他智能體協調的時候，假如我們不透過語言，每個動作皆能表示各種意含，例如經理冒著大汗在收營機前面，你絕對不會認為，他正在使用電腦看著中華亞運的競賽，我們能想像他可能遇上什麼麻煩了，這就是心智理論，藉由觀測去猜測其他人的狀態。

總結

大概論文前面就是把平常人類，在合作裡面的一些概念抽象化出來，接著用演算法去模擬，這都是蠻，有意思的研究，或許等腦機界面的應用出來，人類的溝通也更方便了，或者解讀能力會跟著下降了(因為腦機界面傳訊息，既通順又清晰)