Gym 环境中的在线动态目标识别
机器人学
2025-09-30 v1 人工智能
摘要
目标识别（GR）是从行为的部分观察中推断智能体意图目标的任务，通常在在线和一次性设置下进行。尽管近期在基于无模型的 GR 方法取得了进展，尤其是在人机交互、监视和助理系统等应用中，但该领域因基准、领域和评估协议的不一致性仍显碎片化。为此，我们引入 gr-libs（https://github.com/MatanShamir1/gr_libs）和 gr-envs（https://github.com/MatanShamir1/gr_envs），两个互补的开源框架，支持在 Gym 兼容环境中开发、评估和比较 GR 方法。gr-libs 包括基于马尔可夫决策过程（MDP）的 GR 基线实现、诊断工具和评估实用程序。gr-envs 提供一套为动态且目标导向行为而精选的环境集合，以及确保与标准强化学习工具包兼容的包装器。总体而言，这些库为推动 GR 研究提供了一个标准化、可扩展且可复现的平台。这两个软件包均为开源，已发布于 GitHub 和 PyPI。
引用
@article{arxiv.2509.23244,
title = {Online Dynamic Goal Recognition in Gym Environments},
author = {Shamir Matan and Elhadad Osher and Nageris Ben and Mirsky Reuth},
journal= {arXiv preprint arXiv:2509.23244},
year = {2025}
}