BEHAVE：用于集体人类动态实时建模的混合人工智能框架

arXiv:2605.12730v1 公告类型：新 摘要：现有的用于模拟人类行为的人工智能系统要么在个体层面运行，要么在事件发生后进行检测。因此，它们系统性地无法捕捉决定群体是保持稳定还是过渡到升级或崩溃的集体动态。我们提出了一个不同的基础：一群互动的人类构成了一个精确数学意义上的复杂动态系统，表现出涌现、非线性、反馈回路、临界点附近的敏感性以及不同定性状态之间的相变。这种系统的状态并非位于任何单个参与者内部；而是分布在相互影响的回路中，并通过身体的微观动态可观察。 我们引入了BEHAVE（Behavioral Engine for Human Activity Vector Estimation），一个形式化框架，将集体动态建模为定义在从可观察物理信号导出的交互空间上的连续行为场。运动学微观信号（位置、速度、身体方向、姿态活动）被结构化为有向交互图，并聚合到一组行为场基中，这些场捕捉集体状态的独特、非冗余轴。该框架基于一个定理和两个结构命题，分别刻画了张力场、场基和临界指数。感知和预测层使用神经模型实现，从而能够进行数据驱动的学习和系统动力学的近似。BEHAVE被构造成一个计算系统，用于从数据中学习、表示和预测集体动态。一个工作流程在7主体谈判快照上进行了演示。相同的场在经过重新校准后适用于人群安全、危机团队动态、教育和临床场景。

# BEHAVE：一种用于实时建模群体人类行为的混合人工智能框架
来源：https://arxiv.org/abs/2605.12730
文献工具

## 文献与引用工具

文献浏览器切换

代码、数据与媒体

## 本文相关代码、数据与媒体

演示

## 演示

相关论文

## 推荐与搜索工具

关于arXivLabs

## arXivLabs：与社区合作者的实验性项目

arXivLabs是一个框架，允许合作者直接在我们的网站上开发并分享新的arXiv功能。

与arXivLabs合作的个人和组织均已接受并认同我们关于开放性、社区协作、卓越追求以及用户数据隐私的价值观。arXiv致力于这些价值观，仅与遵守这些价值观的伙伴合作。

是否有能为arXiv社区增添价值的项目创意？**了解更多关于arXivLabs**（https://info.arxiv.org/labs/index.html）。