通过融合多源数据预测交互人类的行为
人工智能
2014-08-12 v1
摘要
多保真度 (multi-fidelity) 方法将廉价的低保真度模拟与昂贵但高保真度的模拟相结合，以最低成本生成感兴趣系统的精确模型。这些方法已被证明在物理系统建模中非常有用，并已应用于翼型设计优化等工程问题。在人机回环 (human-in-the-loop) 实验期间，使用 Mechanical Turk 等在线平台运行低保真度实验以高效收集人类性能数据已变得日益普遍。对这些实验的一个担忧是，从在线环境获得的结果难以泛化到实际关注的领域。为解决这一局限性，我们扩展了传统的多保真度方法，使我们能够结合较少的高保真人机回环实验数据点与大量但准确性较低的低保真实验数据，从而生成关于人类如何交互的精确模型。我们提出了基于模型和无模型的方法，并总结了每种方法在不同条件下的预测性能。
引用
@article{arxiv.1408.2053,
title = {Predicting the behavior of interacting humans by fusing data from multiple sources},
author = {Erik J. Schlicht and Ritchie Lee and David H. Wolpert and Mykel J. Kochenderfer and Brendan Tracey},
journal= {arXiv preprint arXiv:1408.2053},
year = {2014}
}
备注
Appears in Proceedings of the Twenty-Eighth Conference on Uncertainty in Artificial Intelligence (UAI2012)