概率递归意图切换模型

Wenyuan Sheng, Hao Zhu, Joschka Boedecker

2026

摘要

本文提出概率递归意图切换模型（PRISM），利用轻量级递归网络替代传统多意图逆强化学习中的马尔可夫链或固定历史窗口，实现每步意图分布建模。实验证明该方法在非马尔可夫网格世界、小鼠迷宫及BridgeData V2机器人操作任务中均取得最高留出对数似然，并能从无标签演示中恢复可命名的、时间连贯的意图。

inverse reinforcement learningintention switchingrecurrent neural networkmulti-intention IRLrobotic manipulation

LEARNING

开放获取📊 1 引用

Keyi Shen, Glen Chou

2026

LEARNING

📊 0 引用

Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者

Robotics and Computer-Integrated Manufacturing · 2026