研究：人类行为模型评估指标难预测机器人策略效用

Haoyang Jiang等作者发表研究，在高速驾驶和物体交接两个场景中，用常见生成模型指标评估多类人类行为模型，再与用这些模型训练出的强化学习策略的下游表现对比。结果显示，现有行为评估指标无法稳定预测下游策略性能，且评估结果对轨迹表示方式敏感。 研究还称，即使已知真实测试行为分布，用不同分布训练也可能获得更好的下游表现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。