基于目标条件与元强化学习的通用动态目标识别
人工智能
2026-01-06 v2 机器人学
摘要
通过行为理解智能体的目标是一种常见的 AI 问题，称为目标识别（Goal Recognition, GR）。在目标众多且不断变化的动态环境中，这一任务尤为具有挑战性。我们提出了通用动态目标识别（General Dynamic Goal Recognition, GDGR）问题，这是一种更为宽泛的目标识别定义，旨在实现对目标识别系统的实时适应。本文提出了两种新颖的方法来解决 GDGR：（1）GC-AURA，利用基于模型无关的目标条件强化学习实现对新目标的泛化；（2）Meta-AURA，通过元强化学习适应新环境。我们在多样化的环境中对这些方法进行评估，展示了其在动态和噪声条件下实现快速适应和高目标识别准确率的能力。这一工作是推动目标识别在动态且不可预测的真实世界环境中实现的重要进步。
引用
@article{arxiv.2505.09737,
title = {General Dynamic Goal Recognition using Goal-Conditioned and Meta Reinforcement Learning},
author = {Osher Elhadad and Owen Morrissey and Reuth Mirsky},
journal= {arXiv preprint arXiv:2505.09737},
year = {2026}
}
备注
Accepted for publication at AAMAS 2026