Fact Probability Vector Based Goal Recognition

要約

我々は、観察された事実をその期待される確率と比較することを含む、目標認識への新しいアプローチを提案します。
これらの確率は、指定された目標 g と初期状態 s0 に依存します。
私たちの方法では、これらの確率と観察された事実を実際のベクトル空間にマッピングして、潜在的な目標のヒューリスティック値を計算します。
これらの値は、特定の目標が観察されたエージェントの真の目的である可能性を推定します。
一連の観察において観察された事実の正確な期待確率を取得することは実際には不可能であることが多いため、これらの確率を近似する方法を提案し、経験的に検証します。
私たちの経験的な結果は、提案されたアプローチが、計算の複雑さを軽減しながら、最先端の技術と比較して向上した目標認識精度を提供することを示しています。

要約(オリジナル)

We present a new approach to goal recognition that involves comparing observed facts with their expected probabilities. These probabilities depend on a specified goal g and initial state s0. Our method maps these probabilities and observed facts into a real vector space to compute heuristic values for potential goals. These values estimate the likelihood of a given goal being the true objective of the observed agent. As obtaining exact expected probabilities for observed facts in an observation sequence is often practically infeasible, we propose and empirically validate a method for approximating these probabilities. Our empirical results show that the proposed approach offers improved goal recognition precision compared to state-of-the-art techniques while reducing computational complexity.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google