从预测的动作概率推断人类意图

预测人类最有可能执行的下一个动作是人机协作的关键，近年来因此吸引了日益增长的研究兴趣。人类意图是下一步动作预测的一个重要因素：若 AI 智能体知晓意图，便可预测未来动作并更有效地规划协作。该任务的现有贝叶斯方法难以处理复杂视觉输入，而基于深度神经网络 (DNN) 的方法不提供不确定性量化。本工作首次将两种方法结合，并表明预测的下一步动作概率包含可用于推断潜在意图的信息。我们提出一种人类意图预测的两步法：DNN 预测下一步动作的概率，而基于 MCMC 的贝叶斯推断用于从这些预测中推断潜在意图。该方法不仅允许 DNN 架构的独立设计，也支持随后快速、与设计无关的意图推断。我们在 Watch-And-Help (WAH) 以及键鼠交互数据集上通过一系列实验评估了该方法。结果表明，我们的方法能从观测动作及下一步动作概率所含的隐式信息中准确预测人类意图。此外，我们表明即便仅观测到少量动作，该方法也能预测正确意图。