論文の概要: Revealed Multi-Objective Utility Aggregation in Human Driving
- arxiv url: http://arxiv.org/abs/2303.07435v1
- Date: Mon, 13 Mar 2023 19:29:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-15 17:41:12.618859
- Title: Revealed Multi-Objective Utility Aggregation in Human Driving
- Title（参考訳）: 人間運転における多目的ユーティリティアグリゲーション
- Authors: Atrisha Sarkar, Kate Larson, Krzysztof Czarnecki
- Abstract要約: ゲーム理論解析における中心的な設計問題は、プレイヤーのユーティリティを推定することである。
合理性の概念に基づいて,多目的集約パラメータを推定するアルゴリズムを開発した。
ゲーム解決に使用される具体的なソリューション概念に関係なく,ユーティリティアグリゲーションをデータ駆動で推定することで,動作モデルの予測精度が大幅に向上することを示す。
- 参考スコア（独自算出の注目度）: 15.976506570992292
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A central design problem in game theoretic analysis is the estimation of the
players' utilities. In many real-world interactive situations of human decision
making, including human driving, the utilities are multi-objective in nature;
therefore, estimating the parameters of aggregation, i.e., mapping of
multi-objective utilities to a scalar value, becomes an essential part of game
construction. However, estimating this parameter from observational data
introduces several challenges due to a host of unobservable factors, including
the underlying modality of aggregation and the possibly boundedly rational
behaviour model that generated the observation. Based on the concept of
rationalisability, we develop algorithms for estimating multi-objective
aggregation parameters for two common aggregation methods, weighted and
satisficing aggregation, and for both strategic and non-strategic reasoning
models. Based on three different datasets, we provide insights into how human
drivers aggregate the utilities of safety and progress, as well as the
situational dependence of the aggregation process. Additionally, we show that
irrespective of the specific solution concept used for solving the games, a
data-driven estimation of utility aggregation significantly improves the
predictive accuracy of behaviour models with respect to observed human
behaviour.
- Abstract（参考訳）: ゲーム理論解析における中心的な設計問題は、プレイヤーのユーティリティの推定である。
人間の運転を含む人間の意思決定における実世界の対話的な状況では、ユーティリティは本質的に多目的的であるため、アグリゲーションのパラメータ、すなわち多目的ユーティリティのスカラー値へのマッピングを推定することはゲーム構築の不可欠な部分となる。
しかしながら、観測データからこのパラメータを推定することは、アグリゲーションの基盤となるモダリティや、観測を発生させる可能性のある有理的振る舞いモデルなど、観測不能な要因のホストによるいくつかの課題をもたらす。
合理性の概念に基づいて,2つの共通集約法,重み付けおよび充足的集約法,戦略的および非ストラテジック推論モデルに対して,多目的集約パラメータを推定するアルゴリズムを開発した。
3つの異なるデータセットに基づいて、人間のドライバーが安全と進歩のユーティリティをどのように集約するか、そして集約プロセスの状況依存性を洞察する。
さらに,ゲーム解決に使用される特定の解法の概念に関わらず,データ駆動型ユーティリティアグリゲーション推定により,観察された人間の行動に対する行動モデルの予測精度が大幅に向上することを示す。
関連論文リスト
- A decision-theoretic model for a principal-agent collaborative learning problem [0.0]
本稿では,主成分が適切な凝集係数の集合を決定する主成分設定を伴う協調学習フレームワークについて考察する。
提案したフレームワークは安定性と一般化の点でいくつかの利点があるが、主役とエージェントは必ずしもサンプル分布や互いのデータセットの品質を知る必要はない。
論文 参考訳（メタデータ） (2024-09-24T13:08:51Z) - Interpetable Target-Feature Aggregation for Multi-Task Learning based on Bias-Variance Analysis [53.38518232934096]
マルチタスク学習(MTL)は、タスク間の共有知識を活用し、一般化とパフォーマンスを改善するために設計された強力な機械学習パラダイムである。
本稿では,タスククラスタリングと特徴変換の交点におけるMTL手法を提案する。
両段階において、鍵となる側面は減った目標と特徴の解釈可能性を維持することである。
論文 参考訳（メタデータ） (2024-06-12T08:30:16Z) - Causal Disentangled Variational Auto-Encoder for Preference
Understanding in Recommendation [50.93536377097659]
本稿では,コメンテータシステムにおける対話データから因果不整合表現を学習するためのCaD-VAE(Causal Disentangled Variational Auto-Encoder)を提案する。
この手法は構造因果モデルを用いて、潜在因子間の因果関係を記述する因果表現を生成する。
論文 参考訳（メタデータ） (2023-04-17T00:10:56Z) - Exploring the Trade-off between Plausibility, Change Intensity and
Adversarial Power in Counterfactual Explanations using Multi-objective
Optimization [73.89239820192894]
自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。
本稿では, 対実例生成のための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2022-05-20T15:02:53Z) - Shared Interest: Large-Scale Visual Analysis of Model Behavior by
Measuring Human-AI Alignment [15.993648423884466]
健全性(Saliency)は、モデル出力における入力特徴の重要性を特定する技術である。
共有興味:人間の注釈付き真実と唾液度を比較するための指標のセットを提示する。
モデルの信頼性に対する信頼を急速に発展または失うために、Shared Interestがどのように使用できるかを示す。
論文 参考訳（メタデータ） (2021-07-20T02:44:39Z) - Interpretable Social Anchors for Human Trajectory Forecasting in Crowds [84.20437268671733]
本研究では,人混みの軌跡を予測できるニューラルネットワークシステムを提案する。
解釈可能なルールベースのインテントを学び、ニューラルネットワークの表現可能性を利用してシーン固有の残差をモデル化する。
私たちのアーキテクチャは、インタラクション中心のベンチマークTrajNet++でテストされています。
論文 参考訳（メタデータ） (2021-05-07T09:22:34Z) - DRG: Dual Relation Graph for Human-Object Interaction Detection [65.50707710054141]
人-物間相互作用(HOI)検出の課題に対処する。
既存の方法は、人間と物体の対の相互作用を独立に認識するか、複雑な外観に基づく共同推論を行う。
本稿では,抽象的空間意味表現を活用して,各対象対を記述し,二重関係グラフを用いてシーンの文脈情報を集約する。
論文 参考訳（メタデータ） (2020-08-26T17:59:40Z) - Accounting for Unobserved Confounding in Domain Generalization [107.0464488046289]
本稿では,データセットの組み合わせから頑健で一般化可能な予測モデルを学習する際の問題点について検討する。
堅牢なモデルを学ぶことの課題の一部は、保存されていない共同設立者の影響にある。
異なるモダリティの医療データに対するアプローチの実証的性能を実証する。
論文 参考訳（メタデータ） (2020-07-21T08:18:06Z) - A Meta-Bayesian Model of Intentional Visual Search [0.0]
本稿では,分類的知覚とササード計画の根底にある神経機構のベイズ的解釈を取り入れたビジュアルサーチの計算モデルを提案する。
擬似行動と人的行動の有意義な比較を可能にするため、参加者は視線に追従する窓から隠蔽されたMNIST桁を分類する必要がある。
本モデルは,観察された人間の行動から主観的パラメータを回収し,高い解釈可能性を維持しながら,分類精度などの人間の行動指標を再カプセル化することができる。
論文 参考訳（メタデータ） (2020-06-05T16:10:35Z) - Understanding Global Feature Contributions With Additive Importance
Measures [14.50261153230204]
我々は,各特徴に関連付けられた予測力を通じて,特徴の重要性を定義する視点について検討する。
予測力(モデルベースと普遍性)の2つの概念を導入し、付加的重要度尺度の枠組みを用いてこのアプローチを定式化する。
次に,機能的相互作用を考慮に入れながら予測力を定量化するモデルに依存しないSAGEを提案する。
論文 参考訳（メタデータ） (2020-04-01T19:17:58Z) - Context-dependent self-exciting point processes: models, methods, and
risk bounds in high dimensions [21.760636228118607]
高次元自己回帰ポイントプロセスは、現在のイベントが、ソーシャルネットワークの1人のメンバーによる活動のような将来の出来事を誘発または抑制する方法をモデル化する。
我々は、機械学習における合成時系列と正規化手法のアイデアを活用し、高次元マークポイントプロセスのネットワーク推定を行う。
論文 参考訳（メタデータ） (2020-03-16T20:22:43Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。