Resumen

El reconocimiento de metas multiagente es un problema difícil pero importante en muchos juegos de estrategia en tiempo real o sistemas de simulación. Los métodos de modelado tradicionales suelen requerir un amplio conocimiento detallado del dominio de los agentes y un conjunto de datos de entrenamiento para la estimación de políticas, o carecen de una definición clara de la duración de las acciones. Para resolver los problemas mencionados, proponemos un modelo novedoso llamado Dec-POMDM-T, que combina el clásico Dec-POMDP, un modelo de observación para el reconocedor, la meta conjunta con su indicador de terminación, y variables de duración temporal para las acciones con variables de terminación de acciones. En este documento, se utiliza un algoritmo sin modelo llamado coaprendizaje cooperativo basado en Sarsa. Dado que Dec-POMDM-T suele enfrentar problemas de reconocimiento de metas multiagente con diferentes tipos de ruidos, datos parcialmente faltantes y duraciones de acciones desconocidas, el documento explora el SIS PF con remuestreo para la infer

• Materias:Sistemas multiagente Dinámica de interacción Simulación de comportamientos Ecuaciones diferenciales estocásticas Dinámica caótica
• Subjects:Multiagent systems Interaction dynamics Behavioral simulation Stochastic differential equations Chaotic dynamics
• Palabras claves:Reconocimiento de objetivos multiagente; Modelo Dec-POMDM-T; Coaprendizaje cooperativo; Sarsa; Red bayesiana dinámica; Reconocimiento de objetivos conjunto
• Keywords:Multiagent goal recognition; Dec-POMDM-T model; Cooperative colearning; Sarsa; Dynamic Bayesian network; Joint goal recognition