人間エージェントチームのための解釈可能な学習緊急通信【JST・京大機械翻訳】

Karten Seth; Tucker Mycal; Li Huao; Kailas Siva; Lewis Michael; Sycara Katia

プレプリント

J-GLOBAL ID：202202214527064567 整理番号：22P0276612

人間エージェントチームのための解釈可能な学習緊急通信【JST・京大機械翻訳】

Interpretable Learned Emergent Communication for Human-Agent Teams

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年01月19日プレプリントサーバーでの情報更新日： 2023年01月05日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

学習解釈可能通信はマルチエージェントと人間エージェントチーム(HATs)にとって必須である。部分的に観察可能な環境のためのマルチエージェント強化学習において,エージェントは学習された通信を通して他者に情報を伝え,チームがタスクを完了することを可能にする。人間の言語に触発されて,最近の研究は,離散(トークンの有限集合のみ)とスパース(いくつかの時間ステップでのみ)通信を研究している。しかし,人間エージェントチーム実験におけるこのような通信の有用性はまだ研究されていない。本研究では,高エージェントのみおよび人間エージェントチーム性能を可能にする緊急通信を生成するためのスパース離散法の有効性を解析した。任意の予算に通信を十分制約するエンフォーサの提案方式により疎に通信するエージェントのみのチームを開発した。結果は,ベンチマーク環境とタスクにおける性能の損失または最小損失を示さなかった。ベンチマーク環境でテストされた人間エージェントチームにおいて,エージェントがEnforcesを用いてモデル化されているので,プロトタイプベースの方法は,人間パートナーがエージェント通信をより速く学習し,1ホットベースラインよりも良く学習できる意味ある離散トークンを生成することを見出した。付加的HAT実験は,適切なスパース性レベルがエージェントのチームと通信するとき,人間の認知負荷を下げて,優れたチーム性能に導くことを示した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能

, , , ,

前のページに戻る