研究者提出人类反馈引导多智能体逆强化学习驾驶行为建模框架

Longhao Yan 等在 arXiv 发表论文，提出 HFG-MAIRL 框架，用人类反馈引导的多智能体逆强化学习建模交互式驾驶行为。论文称，该框架在局部 Markov game 中建模车辆及其交互邻居，通过有限边际响应迭代避免联合动作空间爆炸，并以 Bradley-Terry 似然将驾驶员情绪标签等人类反馈转为成对序数偏好约束。 论文称，在 AIDE 数据集上的实验显示，该框架的决策建模优于代表性 IRL 基线，并产生可解释的、与反馈对齐的奖励模式。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。