Inferring the Goals of Communicating Agents from Actions and Instructions

Lance Ying, Tan Zhi-Xuan, Vikash Mansinghka, Joshua B. Tenenbaum

[MIT & Harvard University]

从行动和指令中推断沟通智能体的目标

  • 动机：当人类合作时，经常通过口头交流和非语言行为来协调其活动，使用这些信息来推断共享的目标和计划。那么，如何模拟这种推理能力呢？本文介绍了一种模型，其中一个智能体(主要参与者)可能会通过自然语言指示他们的共享计划给另一个智能体(助手)，并使用GPT-3作为指示语言的可能性函数。
  • 方法：通过贝叶斯模型来模拟团队的目标，该模型假设智能体将行动和沟通合理地用于实现他们的目标。通过比较它与人类目标推断在多智能体gridworld中的表现，评估了这种方法的效果。
  • 优势：与仅从行动中进行推断相比，该模型的推断与人类的判断密切相关(R=0.96)，并且指令可以导致更快且不确定的目标推断，突显了合作智能体口头交流的重要性。

提出一种模型，通过贝叶斯反向规划从行动和指令中推断团队目标，结果显示，与仅从行动中进行推断相比，该模型的推断与人类的判断密切相关，突显了合作智能体口头交流的重要性。

https://arxiv.org/abs/2306.16207 


图片


内容中包含的图片若涉及版权问题，请及时与我们联系删除