通过主动信息收集进行群体内部状态估计
机器人学
2025-05-16 v1 人机交互
摘要
准确估计人类内部状态，如人格特征或行为模式，对于增强人机交互的效果至关重要，尤其是在群体环境中。这些见解在从社交导航到自闭症诊断等应用中至关重要。然而，现有方法受限于可扩展性和被动观察，难以应用于复杂、多人环境中的实时估计。在本工作中，我们提出一种针对群体中主动人格估计的方法，重点关注与自闭症谱系障碍（ASD）相关的应用。我们的方法结合了基于 Eysenck 三因素理论的人格条件行为模型，以及通过滚动时域规划器触发人类行为的主动机器人信息收集策略。随后通过贝叶斯推断更新机器人对人格的信念。我们通过仿真、用户研究（针对通常成年人）以及涉及自闭症患者者的初步实验展示了该方法的有效性。结果表明，该方法可扩展至数十人，并在仿真中将人格预测误差降低 29.2%，不确定性降低 79.9%。针对通常成年人的 用户研究确认了该方法在复杂人格分布中的泛化能力。此外，我们探讨了其在自闭症相关场景中的应用，展示了该方法能够识别神经常模态与自闭症行为差异，凸显其为 ASD 诊断潜力。结果表明，该框架可作为未来针对自闭症的特定干预措施的基础。
引用
@article{arxiv.2505.10415,
title = {Internal State Estimation in Groups via Active Information Gathering},
author = {Xuebo Ji and Zherong Pan and Xifeng Gao and Lei Yang and Xinxin Du and Kaiyun Li and Yongjin Liu and Wenping Wang and Changhe Tu and Jia Pan},
journal= {arXiv preprint arXiv:2505.10415},
year = {2025}
}