arXiv · cs.RO· Erik Bauer, Jakob Thumm, Christopher Agia, Rohan Sinha, Chen Xu, Haruki Nishimura, Jeannette Bohg, Marco Pavone, Masha Itkina·· 9 小时前精选AI 评分65
论文 / 摘要阅读
Behavior Graphs：用无监督图结构解读机器人部署数据
Behavior Graphs: Unsupervised Graph Structures for Interpreting Robot Deployment Data
AI 导读 · 根据来源整理
论文提出 behavior graphs，将策略 rollout 压缩为一张可解释的有向图，通过无监督学习识别跨 rollout 的相似行为模式、按时间连接行为并关联到最终结果。在三个真实任务上的用户研究中，18 名参与者有 16 人更偏好行为图而非 rollout 视频，结论相当，但感知时间压力降低 40.3%、投入降低 37.6%。在 43 个数据集上，行为图作为进度预测器，相比最强基线将预测进度与真实时间顺序的秩相关提高 22.9%，平均绝对误差降低 53.5%。作者认为，随着部署机器人数量增长，行为图可为高维策略 rollout 提供结构，使部署数据更易解读和推理。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org