概率性主动目标识别

在多智能体环境中，有效的交互依赖于理解其他智能体的信念和意图。虽然先前的目标识别工作大多将观察者视为被动的推理者，但主动目标识别（AGR）关注于 strategically gathering information to reduce uncertainty。我们采用概率框架进行主动目标识别，提出一种集成解决方案，将联合信念更新机制与蒙特卡洛树搜索（MCTS）算法相结合，使观察者能够高效地计划并推断出演员隐藏的目标，而无需依赖特定领域的知识。通过在网格域中的全面实证评估，我们展示了我们的联合信念更新显著优于被动目标识别，并且我们的数据无关 MCTS 在与强数据特定贪心基线相当的性能上表现良好。这些结果确立了我们的解决方案作为一种实用且稳健的目标推断框架，推动了该领域 toward more interactive and adaptive multi-agent systems。