从预测的行动概率推断人类意图
摘要：预测人类最有可能执行的下一动作对于人工智能与人类的协作至关重要，因此近年来引起了越来越多的研究兴趣。下一动作预测的一个重要因素是人类意图：如果AI系统知道意图，就能更有效地预测未来的动作并计划协作。现有的贝叶斯方法在处理复杂的视觉输入时存在困难，而基于深度神经网络（DNN）的方法则无法提供不确定性量化。在本文中，我们首次将这两种方法结合起来，并表明预测的下一动作概率包含可以用来推断潜在意图的信息。我们提出了一个两步骤的人类意图预测方法：DNN预测下一动作的概率，而基于MCMC的贝叶斯推断则用于从这些预测中推断出潜在意图。这种方法不仅允许独立设计DNN架构，还可以快速、独立于设计地推断人类意图。我们使用Watch-And-Help（WAH）和键盘鼠标交互数据集进行了一系列实验证明了我们的方法可以准确地从观察到的动作和下一动作概率中预测人类意图。此外，我们还证明了即使只观察到了很少的动作，我们的方法也能预测出正确的意图。
作者：Lei Shi, Paul-Christian B"urkner, Andreas Bulling
论文ID：2308.12194
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-08-24