少即是多：重新思考人类行为的概率模型

视频

DOI

机器人需要人类行为模型来推断人类目标和偏好，并预测人类行为。常用的Boltzmann噪声理性决策模型假设人近似优化奖励函数并按指数奖励比例选择轨迹。该模型源于计量经济学，用于建模离散选项间的决策，而人类轨迹处于连续空间，连续值特征影响奖励函数。作者认为应重新从底层设计Boltzmann模型以处理轨迹空间。提出明确考虑轨迹间距离而非仅考虑奖励的模型，使相似轨迹共同影响决策。用户研究表明该模型更好解释人类行为。在有真实值的玩具环境中进行机器人推理分析，发现推理更准确，最后在7自由度机械臂从用户演示中学习验证了模型效果。