論文の概要: Human-Agent Cooperation in Games under Incomplete Information through Natural Language Communication

• arxiv url: http://arxiv.org/abs/2405.14173v2
• Date: Sat, 25 May 2024 19:30:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-28 11:47:21.719032
• Title: Human-Agent Cooperation in Games under Incomplete Information through Natural Language Communication
• Title（参考訳）: 自然言語通信による不完全情報によるゲームにおける人間-エージェント協調
• Authors: Shenghui Chen, Daniel Fried, Ufuk Topcu,
• Abstract要約: 不完全な情報の下で共通の目的を達成するために、2人のプレイヤーが交互にトークンを制御できる共有制御ゲームを導入する。 本ゲームでは,人間を相手とする自律エージェントのポリシー合成問題を定式化する。 本稿では,言語モジュールと計画モジュールからなるコミュニケーションベースのアプローチを提案する。
• 参考スコア（独自算出の注目度）: 32.655335061150566
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Developing autonomous agents that can strategize and cooperate with humans under information asymmetry is challenging without effective communication in natural language. We introduce a shared-control game, where two players collectively control a token in alternating turns to achieve a common objective under incomplete information. We formulate a policy synthesis problem for an autonomous agent in this game with a human as the other player. To solve this problem, we propose a communication-based approach comprising a language module and a planning module. The language module translates natural language messages into and from a finite set of flags, a compact representation defined to capture player intents. The planning module leverages these flags to compute a policy using an asymmetric information-set Monte Carlo tree search with flag exchange algorithm we present. We evaluate the effectiveness of this approach in a testbed based on Gnomes at Night, a search-and-find maze board game. Results of human subject experiments show that communication narrows the information gap between players and enhances human-agent cooperation efficiency with fewer turns.
• Abstract（参考訳）: 情報非対称性の下で人間と交渉し協力できる自律エージェントを開発することは、自然言語の効果的なコミュニケーションなしでは困難である。 不完全な情報の下で共通の目的を達成するために、2人のプレイヤーが交互にトークンを制御できる共有制御ゲームを導入する。 本ゲームでは,人間を相手とする自律エージェントのポリシー合成問題を定式化する。 そこで本研究では,言語モジュールと計画モジュールからなる通信方式を提案する。 言語モジュールは、自然言語メッセージを有限のフラグの集合、すなわちプレーヤーの意図をキャプチャするために定義されたコンパクトな表現に翻訳する。 計画モジュールはこれらのフラグを利用して,非対称情報集合モンテカルロ木探索とフラグ交換アルゴリズムを用いてポリシーを計算する。 探索型迷路ボードゲームGnomes at Nightをベースとしたテストベッドにおいて,本手法の有効性を検証した。 人体実験の結果、コミュニケーションはプレイヤー間の情報ギャップを狭め、より少ないターンで人間とエージェントの協調効率を高めることが示されている。

関連論文リスト

• Learning to Coordinate without Communication under Incomplete Information [39.106914895158035]
  自律的なエージェントが、パートナーの行動を解釈することで、どのように協力するかを示す。 Gnomes at Nightというテストベッドの実験結果から、学習したコミュニケーションの協調戦略が成功率を著しく向上させることが示された。
  論文  参考訳（メタデータ） (2024-09-19T01:41:41Z)
• GOMA: Proactive Embodied Cooperative Communication via Goal-Oriented Mental Alignment [72.96949760114575]
  我々は、ゴール指向メンタルアライメント(GOMA)という新しい協調コミュニケーションフレームワークを提案する。 GOMAは、目標に関連のあるエージェントの精神状態のミスアライメントを最小限に抑える計画問題として、言語コミュニケーションを定式化している。 我々は,Overcooked(マルチプレイヤーゲーム)とVirtualHome(家庭用シミュレータ)の2つの挑戦環境において,強いベースラインに対するアプローチを評価する。
  論文  参考訳（メタデータ） (2024-03-17T03:52:52Z)
• Building Cooperative Embodied Agents Modularly with Large Language Models [104.57849816689559]
  本研究では, 分散制御, 生の知覚観察, コストのかかるコミュニケーション, 様々な実施環境下でインスタンス化された多目的タスクといった課題に対処する。 我々は,LLMの常識知識,推論能力,言語理解,テキスト生成能力を活用し,認知に触発されたモジュラーフレームワークにシームレスに組み込む。 C-WAH と TDW-MAT を用いた実験により, GPT-4 で駆動される CoELA が, 強い計画に基づく手法を超越し, 創発的な効果的なコミュニケーションを示すことを示した。
  論文  参考訳（メタデータ） (2023-07-05T17:59:27Z)
• Learning to Infer Belief Embedded Communication [9.862909791015237]
  本稿ではエージェントの言語学習能力を模倣する新しいアルゴリズムを提案する。 過去の行動に対応する他のエージェントの意図を復号するための知覚モジュールを含んでいる。 また、2つ以上のエージェントとの通信中に暗黙の文法を学ぶための言語生成モジュールも含まれている。
  論文  参考訳（メタデータ） (2022-03-15T12:42:10Z)
• Toward Collaborative Reinforcement Learning Agents that Communicate Through Text-Based Natural Language [4.289574109162585]
  本稿では,テキストベースの自然言語を,強化学習で訓練されたエージェント間のコミュニケーションの新たな形態とみなす。 Blind Leadsのゲームに触発されて、あるエージェントが自然言語を使って迷路を案内する環境を提案する。
  論文  参考訳（メタデータ） (2021-07-20T09:19:29Z)
• Few-shot Language Coordination by Modeling Theory of Mind [95.54446989205117]
  我々は、数ショット$textit language coordinate$のタスクについて研究する。 リードエージェントは、言語能力の異なるエージェントの$textitpopulation$と調整する必要があります。 これは、人間のコミュニケーションの重要な構成要素であるパートナーの信念をモデル化する能力を必要とする。
  論文  参考訳（メタデータ） (2021-07-12T19:26:11Z)
• Teach me to play, gamer! Imitative learning in computer games via linguistic description of complex phenomena and decision tree [55.41644538483948]
  本稿では,複雑な現象の言語記述に基づく模倣による新しい機械学習モデルを提案する。 この手法は,ゲーム開発における知的エージェントの動作を設計し,実装するための優れた代替手段となる。
  論文  参考訳（メタデータ） (2021-01-06T21:14:10Z)
• Pow-Wow: A Dataset and Study on Collaborative Communication in Pommerman [12.498028338281625]
  多エージェント学習では、エージェントは成功するために互いに調整する必要がある。人間にとって、この調整は通常、言語の使用によって行われる。 Pow-Wowは、ゴール指向の人間コミュニケーションを測る新しいデータセットである。 我々は,効果的なゲーム戦略をもたらすコミュニケーションの種類を分析し,それに応じて注釈を付けるとともに,コミュニケーションの傾向がゲーム結果に与える影響をコーパスレベルで統計分析する。
  論文  参考訳（メタデータ） (2020-09-13T07:11:37Z)
• Multi-agent Communication meets Natural Language: Synergies between Functional and Structural Language Learning [16.776753238108036]
  本稿では,マルチエージェント通信と従来のデータ駆動型アプローチを組み合わせた自然言語学習手法を提案する。 私たちの出発点は、タスク固有の言語データではなく、ジェネリックに基づいて訓練された言語モデルです。 次に、このモデルをマルチエージェントのセルフプレイ環境に配置し、モデルへの適応や修正に使用するタスク固有の報酬を生成する。
  論文  参考訳（メタデータ） (2020-05-14T15:32:23Z)
• On the interaction between supervision and self-play in emergent communication [82.290338507106]
  本研究は,2つのカテゴリの学習信号と,サンプル効率の向上を目標とする学習信号の関係について検討する。 人間のデータに基づく教師付き学習による初等訓練エージェントが,自己演奏が会話に優れていることが判明した。
  論文  参考訳（メタデータ） (2020-02-04T02:35:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。