Core Concepts
행동 확률 예측을 통해 인간의 잠재적 의도를 효과적으로 추론할 수 있다.
Abstract
이 연구는 인간 의도 추론을 위한 새로운 2단계 접근법을 제안한다. 첫 번째 단계에서는 심층 신경망(DNN)을 사용하여 다음 행동 확률을 예측한다. 두 번째 단계에서는 마르코프 체인 몬테카를로(MCMC) 기반 베이지안 추론을 사용하여 이러한 예측된 행동 확률로부터 인간의 잠재적 의도를 추론한다.
이 접근법의 장점은 다음과 같다:
DNN과 베이지안 추론이 분리되어 있어 DNN 아키텍처에 독립적으로 의도를 추론할 수 있다.
베이지안 모델 학습 및 추론이 빠르다.
행동 시퀀스의 일부만으로도 정확하고 효율적으로 의도를 예측할 수 있다.
실험 결과, 제안 방법은 가상 환경의 가사 활동 데이터셋과 키보드/마우스 상호작용 데이터셋에서 인간 의도를 정확하게 예측할 수 있음을 보여준다. 특히 행동 시퀀스의 20% 정도만 관찰해도 대부분의 경우 정확한 의도 예측이 가능하다.
Stats
행동 시퀀스의 20% 만으로도 대부분의 경우 정확한 의도 예측이 가능하다.