面向任务探索的策略识别与子任务分解
计算机视觉与模式识别
2025-11-04 v1
摘要
本研究建立在预期人机交互领域的工作基础上，该子领域关注机器通过预判用户未来状态来促进有利的交互。本研究旨在进一步机器对用户知识、技能和行为的理解，以实现隐式协调。开发了任务探索管道，该管道使用聚类技术结合因子分析和字符串编辑距离，自动识别用于完成任务的关键全局策略和局部策略。全局策略识别完成任务所需的普遍化动作集合，而局部策略识别这些动作集合在相似构型下被用于执行的序列。此外，还在任务中识别出各种长度的有意义子任务。任务探索管道能够自动识别完成任务所需的关键策略，并以层次化子任务结构对用户运行进行编码。此外，开发了一个任务探索应用程序，以便轻松审查管道结果。该任务探索管道可轻易修改以适用于任何基于动作的时间序列数据，所识别的策略和子任务有助于为人类和机器提供关于用户知识、技能和行为的指导。
引用
@article{arxiv.2511.01728,
title = {Toward Strategy Identification and Subtask Decomposition In Task Exploration},
author = {Tom Odem},
journal= {arXiv preprint arXiv:2511.01728},
year = {2025}
}