Resumen: Las conductas de las personas dirigidas a objetivos están influenciadas por sus sesgos cognitivos, y los sistemas autónomos que interactúan con las personas deben ser conscientes de ello. Por ejemplo, la atención de las personas a los objetos de su entorno estará sesgada de manera que afecte sistemáticamente la forma en que realizan tareas cotidianas, como conducir al trabajo. Aquí, basándose en trabajos recientes en ciencia cognitiva computacional, articulamos formalmente el problema de planificación inversa consciente de la atención, en el que el objetivo es estimar los sesgos atencionales de una persona a partir de sus acciones. Demostramos cómo la planificación inversa consciente de la atención difiere sistemáticamente del aprendizaje por refuerzo inverso estándar y cómo se pueden inferir sesgos cognitivos a partir del comportamiento. Finalmente, presentamos un enfoque de planificación inversa consciente de la atención que combina el aprendizaje por refuerzo profundo con el modelado cognitivo computacional. Utilizamos este enfoque para inferir las estrategias de atención de los agentes de RL en escenarios de conducción de la vida real seleccionados del conjunto de datos abiertos de Waymo, lo que demuestra la escalabilidad de la estimación de sesgos cognitivos con planificación inversa consciente de la atención.
Publicado originalmente en export.arxiv.org el 30 de octubre de 2025.
Ver fuente original
