作为心理模型翻译的基于 POMDP 辅助系统知识工程的关系方法
人工智能
2013-06-21 v1
摘要
由于人们在完成同一任务时可采取多种不同的方法，且客户行为的不确定性和传感器读数噪声会带来显著的不确定性，因此为认知障碍人士（如痴呆症患者）构建辅助系统十分困难。部分可观测马尔可夫决策过程（POMDP）模型已成功用作此类辅助系统的推理引擎，用于洗手等小型多步骤任务。POMDP 模型是一个强大而灵活的辅助建模框架，能够处理不确定性和效用问题。然而，POMDP 的定义和构建通常需要非常耗时的人工过程。我们之前的工作描述了一种知识驱动的方法，用于自动生成复杂任务的 POMDP 活动识别和上下文敏感提示系统。我们将生成的 POMDP 称为 SNAP（SyNdetic Assistance Process）。分析得出的类似电子表格的结果并不直接对应于 POMDP 模型，因此需要将其转换为正式的 POMDP 表示。迄今为止，这种转换必须由受过训练的 POMDP 专家手动完成。在本文中，我们利用编码在关系数据库中的概率关系模型（PRM）将此转换过程形式化并自动化。我们通过从非专家那里获取三个辅助任务来演示该方法。我们使用基于案例的模拟验证了生成的 POMDP 模型，以表明它们适用于相关领域。我们还展示了一个完整的设计师指定数据库的案例研究，包括在真人参与的真实实验中的评估。
引用
@article{arxiv.1206.5698,
title = {Relational Approach to Knowledge Engineering for POMDP-based Assistance Systems as a Translation of a Psychological Model},
author = {Marek Grzes and Jesse Hoey and Shehroz Khan and Alex Mihailidis and Stephen Czarnuch and Dan Jackson and Andrew Monk},
journal= {arXiv preprint arXiv:1206.5698},
year = {2013}
}