近年来,人机协作得到越来越广泛的研究与应用。人和计算机各自具有不同的优势,并擅长不同的工作。人机协作则可以充分结合两者的优势,实现系统性能的提升。人件是以专家为核心,辅以相应的软硬件接口技术形成的一个系统组件,是支持人机协作的新技术。有了相应的接口辅助,专家可以更充分地发挥其才能,又可以与软硬件在不同的情况下动态地确定各自完成的任务。融合人件的协作系统在具备人与机器优势的同时也面临着挑战。首先需要评估各个Agent (人件、软件、机器等统称为Agent)对各任务的能力,即任务—Agent能力评估；得到评估值以后要将各个任务分配给合适的Agent,即完成任务—Agent静态分配；Agent的能力不是一成不变,协作过程中还需要适时地调整各个Agent的任务,即实现任务—Agent动态调整。面对上述挑战,基于角色的协作从方法论的层面提供了解决方向。基于角色的协作是从团队的角度考虑协作系统的设计、运行和优化,将为共同目标落实的整体任务分成若干个角色(子任务),各个Agent的主要职责就是扮演角色(完成子任务),只要Agent评估合理,分配与调整得当,团队协作就可以得到好的效能。在评估Agent时,本文研究了Agent能力随着时间变化的场景,提出了基于可信度的评估方法,既考虑了Agent当前的状态,又综合了历史表现,实验表明,在Agent评估值的波动较大时比只考虑当前值的评估方法更准确。在角色分配时,本文探讨了两种不同的分配问题：柔性阵型角色分配和瓶颈分配。两者的目标函数分别为团队评估值最大和评估值最小的角色评估值最大。两者均采用了线性规划的方法求解。对于后者本文提出了一种自适应协作的方法提升只用一次分配得到的最优解。实验表明该方法可高效地求解问题,并且自适应协作方法可有效提高瓶颈分配问题只用一次分配得到的最优解。在任务调整时,本文更充分地阐述和利用了自适应协作方法,并提出三个算法,它们分别基于当前的团队状态、未来一段时间的团队状态和整个协作过程的团队状态。此外,本文还讨论了更为复杂的自适应协作问题。在考虑代价时,本文也提出相应的基于当前状态的角色分配算法和基于潜能的角色分配算法。实验表明没有代价时,自适应协作方法可获得比静态分配算法更高的团队总性能,而有代价时可采用本文的方法决定是否要采用自适应协作方法。最后,本文设计并实现了一个图像识别的人件,实验表明人件比只用计算机正确率高,比只用人负担轻。进而,还用Service-Oriented Architecture实现了人件服务,可完成该服务的发布与调用。