利用多时空分辨率特征实时预测人类行为

在执行复杂任务时，人类自然会同时在多种时间分辨率和空间分辨率上进行推理。我们认为，要让人工智能体有效建模人类队友，即展现计算心理理论（computational theory of mind, ToM），它也应如此。本文提出一种整合高、低分辨率空间与时间信息以实时预测人类行为的方法，并在基于 Minecraft 的环境中由执行模拟城市搜索与救援（USAR）任务的人类受试者所收集的数据上进行了评估。我们的模型将由用于高、低分辨率特征提取的神经网络与用于行为预测的神经网络组合而成，三个网络同时训练。高分辨率提取器以高分辨率网格世界表示为输入，计算人类 Minecraft 化身与环境中候选目标在最近若干动作上的曼哈顿距离差，从而鲁棒地编码动态变化的目标。相比之下，低分辨率提取器使用由低分辨率图表示计算出的历史状态矩阵来编码参与者的历史行为。通过监督学习，我们的模型获得了用于人类行为预测的鲁棒先验，并能有效处理长期观测。实验结果表明，与仅使用高分辨率信息的方法相比，我们的方法显著提高了预测精度。