Beteendemodellering med imitationsinlärning

Rapporten beskriver en familj av metoder för beteendemodellering. Samtliga metoder är baserade på intuitionen att det ibland kan vara lättare att demonstrera ett önskat beteende än att formellt definiera det. Exempelvis är det enklare för en förare att demonstrera omkörning och filväxling än att manuellt bygga beteendemodeller för omkörning och filväxling. Med hjälp av dessa metoder, som går under namnet imitationsinlärning, härleds en beteendemodell automatiskt ur ett demonstrerat beteende. Utöver sedvanliga automatiseringsvinster - det förväntas kosta mindre och gå snabbare att ta fram modeller - utlovar imitationsinlärning även ett hopp om mer realistiska modeller. Mer naturligt och människolikt beteende anses vara särskilt önskvärt i militära träningssimulatorer. Målet med arbetet är att undersöka och utvärdera om och hur imitationsinlärning kan användas för att göra datorgenererade styrkor mer realistiska och tillgängliga för Försvarsmaktens simulatorer. Rapporten utforskar ett antal olika imitationsinlärningsmetoder, däribland beteendekloning, interaktiv imitationsinlärning och inverterad förstärkt inlärning, och redogör för en serie experimentella utvärderingar av metodernas applicerbarhet i virtuella miljöer och simulatorer.