连续域中的启发式在线目标识别

目标识别是基于观察到的智能体行为来推断其目标的问题。一种启发性的方法——通过规划进行规划识别（PRP）——使用现成的规划器为给定目标动态生成规划，从而消除了对传统规划库的需求。然而，现有的PRP公式在在线识别中本质上效率低下，且不能用于连续空间的运动规划器。在本文中，我们采用了一种不同的PRP公式，该公式允许在线目标识别，并适用于连续空间。我们提出了一种在线识别算法，其中可以使用两个启发式决策点来显著提高运行时间，优于现有工作。我们为连续域指定了启发式方法，证明了使用它们的保证，并通过在三维导航环境和协作机器人团队任务中进行的数百次实验，对算法进行了实证评估。