.png){kind=icon}
返回
Mining user behavior patterns based on reinforcement learning algorithm to optimize service robot interaction strategy
.png){kind=icon}
PRE
AI
DOI：10.1051/meca/2026002.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决服务机器人交互中因复杂用户行为和稀疏反馈导致的适应性和泛化能力下降问题，本文提出了一种基于强化学习的用户行为模式挖掘与策略优化方法。该方法通过整合贝叶斯信念更新与基于反例的自动机学习，统一了意图建模与策略迭代：动态意图推理在稀疏奖励下促进多尺度探索；反例推理重构奖励函数以增强策略泛化能力。实验结果表明，该方法使平均延迟标准差降至0.031，任务完成率达到78.14%，行为识别准确率达0.9，有助于提升策略性能和用户满意度，并为复杂交互策略设计提供参考。
Keyword:
Service robot interaction
reinforcement learning
user behavior pattern modeling
dynamic intent recognition
strategy adaptive optimization
