多智能体逆强化学习引入人类反馈建模驾驶行为

Longhao Yan 等作者提出 HFG-MAIRL 框架，将人类反馈引入多智能体逆强化学习，用于交互式驾驶行为建模。该方法用局部马尔可夫博弈显式建模每辆车及其直接交互邻居，通过有限边际响应迭代近似耦合的多车响应，避免枚举完整联合动作空间；并以 Bradley-Terry 似然将序数偏好监督纳入奖励恢复。 作者称，在 AIDE 数据集上，HFG-MAIRL 在决策建模上优于代表性 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 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。