机器人在协作与竞争中影响人类以揭示其目标
Robots Influencing Humans to Reveal their Goals during Collaboration and Competition
- Yale University（耶鲁大学）
- Massachusetts Institute of Technology（麻省理工学院）
- University of Colorado, Boulder（科罗拉多大学博尔德分校）
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
提出一种统一策略，通过引导人类走向关键决策点，利用滚动时域规划器平衡任务与信息，在协作和竞争场景中实现更早更准的目标推断。
AI中文摘要：
我们提出了一种在人机交互中快速推断目标的统一策略。核心思想是驱动人类走向关键决策点（CDPs）——在这些状态下，竞争性的人类策略会规定不同的后续动作，从而最大程度地揭示目标。我们使用目标条件策略散度度量来形式化CDPs，并将其纳入一个滚动时域规划器中，该规划器在优化平衡任务进展和信息获取的成本函数的同时，探索未来的动作序列。我们在一个协作的、完全可观察的烹饪任务和一个竞争的、部分可观察的捉迷藏游戏中评估了这种方法，每个任务都在仿真和真实机器人上进行。在两种场景中，我们的方法都比基线策略更准确、更早地推断出人类目标。
英文摘要：
We propose a unified strategy for fast goal inference in human-robot interaction. The core idea is to drive the human toward Critical Decision Points (CDPs)-states where competing human strategies prescribe different next actions and thus maximally reveal the goal. We formalise CDPs using a goal-conditioned policy divergence measure and incorporate them into a Receding-Horizon Planner that explores future action sequences while optimizing a cost function balancing task progress and information gain. We evaluate this approach in both a collaborative, fully observable cooking task and a competitive, partially observable hide-and-seek game, each in simulation and on real robots. In both scenarios, our method infers human goals more accurately and earlier than baseline strategies.
