효과적인 인간-로봇 팀워크(human-robot teamwork)를 위해서는 로봇이 상호작용의 시작부터 파트너, 상황 및 작업 역학(task dynamics)에 적응해야 합니다. MATRX 도시 수색 및 구조 (USAR) 환경에서, 사람들은 팀워크 중에 발견한 협업 패턴 (CPs)을 채팅 및 성찰 인터페이스를 통해 외재화할 수 있습니다. 우리는 로봇이 이러한 이전의 팀 경험을 사용하여 향후 상호작용에서 더 나은 팀원이 될 수 있는지 연구합니다. 이를 위해, 우리는 과거의 CPs를 지식 그래프(knowledge-graph) 에피소드 기억(episodic memories)으로 표현하고, 재사용을 위한 대표적이고 효과적인 기억을 식별하기 위해 노드 분류 (node-classification) 목적 함수를 가진 그래프 표현 학습 (graph representation learning)을 사용합니다. 그런 다음 새로운 협업 에피소드가 시작되기 전에 이 기억으로 로봇을 초기화합니다. 20명의 참가자와 160개의 라운드 수준 관찰을 통해, 자동으로 선택된 단일 이전 CP로 로봇을 초기화했을 때 구조 성공률이 25.7%에서 41.3%로 증가하고 평균 작업 시간이 283초 단축되었습니다. 가장 큰 이득은 상호작용의 시작 부분에서 나타나며, 이는 재사용 가능한 에피소드 기억이 로봇이 더 효과적인 작업 지식을 가지고 협업에 참여하고 더 원활한 초기 팀워크를 지원하는 데 도움이 될 수 있음을 시사합니다.