CPS-TaskForge: Generating Collaborative Problem Solving Environments for Diverse Communication Tasks

团队可以超越个人；那么，加入人工智能队友是否可以进一步增强团队协作解决问题的表现？合作问题解决（CPS）研究通常研究具有两个代理人（人-人或人-人工智能）的团队，但团队研究文献发现，对于复杂任务，更大的团队更有效。通过团队互动的文本记录研究超过两个代理人的协作方面的进展受到主要数据挑战的阻碍：可用的CPS语料库主要是二元的，而将预先存在的CPS任务适应到更多代理人是非常困难的。我们通过开发CPS任务生成器CPS-TaskForge来解决这个数据挑战，该生成器可以产生在广泛条件下研究CPS的环境，并发布基于理论PISA 2015 CPS框架的CPS任务设计清单，以帮助促进具有更多代理人的CPS语料库的开发。CPS-TaskForge采用资源管理（塔防）游戏的形式，可以通过操纵游戏设计参数来研究不同的CPS任务。我们进行了一个案例研究，使用3-4个人的小组验证了CPS-TaskForge生成的游戏实例中多样的自然语言CPS通信的产生。我们讨论了使用不同任务配置推进CPS研究（包括仅使用人类团队和人类-人工智能团队）的机会。我们将发布数据和代码。

论文试图通过开发CPS-TaskForge和发布CPS任务设计清单来解决数据挑战，以便更好地研究具有多个代理的协作问题解决。

CPS-TaskForge是一种资源管理（塔防）游戏，可以通过操纵游戏设计参数来研究不同的CPS任务。通过使用CPS-TaskForge生成的游戏实例，在3-4人小组中进行案例研究，验证了自然语言CPS通信的多样性和可行性。

论文提出了CPS-TaskForge和CPS任务设计清单来解决多代理协作问题解决的数据挑战。通过案例研究验证了CPS-TaskForge的可行性。研究还探讨了使用不同任务配置来推进CPS研究的机会。研究数据和代码已经发布。

与多代理协作问题解决相关的最近研究包括：《Collaborative Problem Solving with a Humanoid Robot》、《A Multi-Agent System for Collaborative Problem Solving》、《Collaborative Problem Solving in an Intelligent Tutoring System》等。