用概率奖励与在线推断表达多样化人类驾驶行为

在人机交互（HRI）系统（如自动驾驶车辆）中，理解和表示人类行为十分重要。人类行为天然丰富且多样。成本/奖励学习作为一种学习和表示人类行为的高效方法，已成功应用于许多领域。然而，大多数传统的逆强化学习（IRL）算法不能充分捕捉人类行为的多样性，因为它们假设给定数据集中的所有行为都是由单一成本函数生成的。在本文中，我们提出了一个概率 IRL 框架，直接在连续域中学习成本函数的分布。我们在合成数据和真实人类驾驶数据上进行了评估。定量和主观结果均表明，我们提出的框架能更好地表达多样化的人类驾驶行为，并提取出与用户研究中人类参与者所解读的不同的驾驶风格。