模拟到真实的因果转移：一种基于度量学习的因果感知交互表示方法

原文约300字，阅读约需1分钟。发表于：。

研究了多智能体问题中相邻智能体之间的空间 - 时间相互作用建模，从计算形式主义到实际应用深入探讨了这些模型对智能体相互作用背后因果关系的认知程度，提出了一种度量学习方法来规范潜在表征和因果注释，实验证明该方法提高了因果认知度并具有更强的分布外鲁棒性。通过跨域多任务学习提出一种模拟到真实因果转移方法，在行人数据集上证明方法能够大大提高泛化性能。

研究了多智能体问题中相邻智能体之间的空间-时间相互作用建模，提出了一种度量学习方法来规范潜在表征和因果注释，实验证明该方法提高了因果认知度并具有更强的分布外鲁棒性。通过跨域多任务学习提出一种模拟到真实因果转移方法，在行人数据集上证明方法能够大大提高泛化性能。