PHASE：用于机器社会感知的物理 grounded 抽象社会事件

在物理环境背景下感知和推理社会交互的能力是人类社会智能和人机合作的核心。然而，此前没有数据集或基准系统地评估超越短动作（如击掌）或简单群体活动（如聚集）的复杂社会交互的物理 grounded 感知。在这项工作中，我们创建了一个物理 grounded 抽象社会事件数据集 PHASE，它通过包含诸如帮助另一个智能体等社会概念来类似广泛真实社会生活交互。PHASE 由使用物理引擎和分层规划器程序化生成的在连续空间中移动的成对智能体的 2D 动画组成。智能体具有有限视野，可在具有多个地标和障碍物的环境中与多个物体交互。使用 PHASE，我们设计了社会识别任务和社会预测任务。PHASE 通过人类实验验证，表明人类在社交事件中感知到丰富交互，且模拟智能体行为类似于人类。作为基线模型，我们引入贝叶斯逆规划方法 SIMPLE（模拟、规划与局部估计），其优于最先进的前馈神经网络。我们希望 PHASE 能作为开发可识别复杂社会交互新模型的困难新挑战。