arXiv来源发表:
共享驾驶的辅助智能体学会先猜意图：高速赛车与城市驾驶中扭矩对齐和碰撞率均有改善
核心概要
共享控制中的辅助智能体既要主动贴合人的意图，又要让人看得懂、接得上。Dream2Assist 在循环状态空间世界模型上加入意图推断，用虚构协同博弈训练辅助策略，在不取代人类决策的前提下预判离散的人类目标。三项人类被试研究和一次初步实车部署覆盖高速赛车（N=30）与意图结构更丰富的城市驾驶（N=10），结果显示意图条件化在扭矩对齐和碰撞率上带来可测量的改善。
深度剖析
共享驾驶中的辅助智能体现在可以先把人的目标猜出来，再决定怎么出力，而不是只对当前车辆状态作出反应。 此前这类辅助策略缺少对人类意图的显式建模，难以在主动介入与让人看懂之间同时兼顾。 三项人类被试研究和一次初步实车部署覆盖高速赛车（N=30）与城市驾驶（N=10）两个性质不同的场景，意图条件化在扭矩对齐和碰撞率上给出可测量的改善。
做法是在一个循环状态空间世界模型上增加意图推断，让辅助策略在想象中与虚拟同伴反复配合来学习。 这种训练方式称为虚构协同博弈，策略在其中预判并支持离散的人类目标，同时不剥夺人的控制权。 验证场景为高速赛车与意图结构更丰富的城市驾驶，前者 N=30，后者 N=10。
从世界模型策略到可上路系统之间还隔着仿真与真人之间的差距，需要靠策略筛选和奖励重构来缩小。 这一环节放在迭代的人机界面设计中进行，而不是只做一次离线训练。 该部署流程在初步实车部署中得到检验，覆盖上述两个场景。
启示与展望
已展示的范围是高速赛车（N=30）与城市驾驶（N=10）两个场景下的人类被试研究和一次初步实车部署，面向共享车辆控制中的辅助智能体设计。
摘要只说明意图条件化在扭矩对齐和碰撞率上带来可测量的改善，未给出具体数值；实车部署被描述为初步的。