学习驾驶员感知与控制的主动推断模型：在车辆跟车中的应用
机器学习
2025-05-02 v2 人工智能
机器人学
摘要
在本文中，我们介绍了一种通用估计方法，用于基于有限的一组演示来学习感觉运动控制任务中人类感知与控制的模型。该模型的结构包括：(i) 智能体对环境及关联观测如何因控制动作而演化的内部表征，以及 (ii) 智能体对可观测结果的偏好。我们考虑一种与主动推断（active inference）一致的模型结构规范，主动推断是认知科学中关于人类感知与行为的一种理论。根据主动推断，智能体对世界施加作用以最小化惊奇（surprise），惊奇定义为智能体当前感官观测与其偏好感官观测相异程度的度量。我们提出了一种双层次优化估计方法，该方法依赖于对参数化人类智能体环境模型统计准确性的先验分布的结构性假设。为说明所提方法，我们基于一个自然驾驶数据集给出了跟车行为的模型估计。总体而言，结果表明从数据中学习人类感知与控制的主动推断模型是黑盒驾驶模型的一个有前景的替代方案。
引用
@article{arxiv.2303.15201,
title = {Learning An Active Inference Model of Driver Perception and Control: Application to Vehicle Car-Following},
author = {Ran Wei and Anthony D. McDonald and Alfredo Garcia and Gustav Markkula and Johan Engstrom and Matthew O'Kelly},
journal= {arXiv preprint arXiv:2303.15201},
year = {2025}
}