論文の概要: An Efficient Open World Environment for Multi-Agent Social Learning

• arxiv url: http://arxiv.org/abs/2508.15679v1
• Date: Thu, 21 Aug 2025 15:59:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-22 16:26:46.398147
• Title: An Efficient Open World Environment for Multi-Agent Social Learning
• Title（参考訳）: マルチエージェント社会学習のための効率的なオープンワールド環境
• Authors: Eric Ye, Ren Tao, Natasha Jaques,
• Abstract要約: 複数の利己的なエージェントが複雑で独立した目標を追求できる環境を提案する。 この環境は、オープンなマルチエージェント設定における社会的にインテリジェントなAIエージェントの開発を可能にする。
• 参考スコア（独自算出の注目度）: 6.276825481762446
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many challenges remain before AI agents can be deployed in real-world environments. However, one virtue of such environments is that they are inherently multi-agent and contain human experts. Using advanced social intelligence in such an environment can help an AI agent learn adaptive skills and behaviors that a known expert exhibits. While social intelligence could accelerate training, it is currently difficult to study due to the lack of open-ended multi-agent environments. In this work, we present an environment in which multiple self-interested agents can pursue complex and independent goals, reflective of real world challenges. This environment will enable research into the development of socially intelligent AI agents in open-ended multi-agent settings, where agents may be implicitly incentivized to cooperate to defeat common enemies, build and share tools, and achieve long horizon goals. In this work, we investigate the impact on agent performance due to social learning in the presence of experts and implicit cooperation such as emergent collaborative tool use, and whether agents can benefit from either cooperation or competition in this environment.
• Abstract（参考訳）: AIエージェントが実環境にデプロイされる前に、多くの課題が残っている。 しかし、そのような環境の1つの利点は、それらが本質的にマルチエージェントであり、人間の専門家を含んでいることである。 このような環境で高度なソーシャルインテリジェンスを使用することで、AIエージェントは、既知の専門家が示す適応的なスキルや行動を学ぶのに役立つ。 ソーシャルインテリジェンスはトレーニングを加速させる可能性があるが、現在、オープンエンドのマルチエージェント環境が欠如しているため、研究は困難である。 本研究では,複数の自己関心エージェントが,現実の課題を反映した,複雑で独立した目標を追求できる環境を提案する。 この環境は、オープンエンドのマルチエージェント設定における、社会的にインテリジェントなAIエージェントの開発の研究を可能にする。エージェントは暗黙的にインセンティブを得て、共通の敵を倒し、ツールを構築し、共有し、長い地平線目標を達成することができる。 本研究では,専門家の存在下での社会的学習によるエージェントのパフォーマンスへの影響と,創発的な協調ツール利用のような暗黙の協力,そしてエージェントが,この環境における協調や競争の恩恵を受けることができるかどうかを検討する。

関連論文リスト

• AdaSociety: An Adaptive Environment with Social Structures for Multi-Agent Decision-Making [45.71942183664368]
  AdaSocietyは、拡張状態とアクション空間を特徴とするカスタマイズ可能なマルチエージェント環境である。 エージェントが進むにつれて、エージェントが実行する社会的構造を持つ新しいタスクを適応的に生成する。 AdaSocietyは、さまざまな物理的および社会的環境におけるインテリジェンスを探索するための、貴重な研究プラットフォームとして機能する。
  論文  参考訳（メタデータ） (2024-11-06T12:19:01Z)
• SOTOPIA: Interactive Evaluation for Social Intelligence in Language Agents [107.4138224020773]
  人工エージェントと人間との複雑な社会的相互作用をシミュレートするオープンエンド環境であるSOTOPIAを提案する。 エージェントは、複雑な社会的目標を達成するために協調し、協力し、交換し、互いに競い合う。 GPT-4は,人間よりも目標達成率が著しく低く,社会的常識的推論や戦略的コミュニケーション能力の発揮に苦慮していることがわかった。
  論文  参考訳（メタデータ） (2023-10-18T02:27:01Z)
• The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
  大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。 単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
  論文  参考訳（メタデータ） (2023-09-14T17:12:03Z)
• Understanding the World to Solve Social Dilemmas Using Multi-Agent Reinforcement Learning [0.7161783472741748]
  マルチエージェント強化学習環境で世界モデルを学ぶ自己関心有理エージェントの行動について検討する。 シミュレーションの結果,社会的ジレンマが生じるシナリオを扱う場合,世界モデルによって支えられたエージェントのグループは,他のテストされたエージェントよりも優れていた。
  論文  参考訳（メタデータ） (2023-05-19T00:31:26Z)
• Multi-Agent Interplay in a Competitive Survival Environment [0.0]
  この論文は、2022年、ローマ・サピエンザ大学の人工知能とロボティクスの修士号に対する著者の論文"Multi-Agent Interplay in a Competitive Survival Environment"の一部である。
  論文  参考訳（メタデータ） (2023-01-19T12:04:03Z)
• VECA : A Toolkit for Building Virtual Environments to Train and Test Human-like Agents [5.366273200529158]
  そこで我々は,人間のようなエージェントをトレーニングし,テストするための実りの多い仮想環境を構築するための新しいVRベースのツールキットVECAを提案する。 VECAはヒューマノイドエージェントと環境マネージャを提供しており、エージェントはリッチな人間のような知覚を受け取り、包括的な相互作用を行うことができる。 VECAを動機付けるために、私たちはまた、初期の人間の発達に不可欠な4つの側面を表す(ただしこれらに限定されない)24のインタラクティブタスクを提供します。
  論文  参考訳（メタデータ） (2021-05-03T11:42:27Z)
• Watch-And-Help: A Challenge for Social Perception and Human-AI Collaboration [116.28433607265573]
  我々は、AIエージェントでソーシャルインテリジェンスをテストするための課題であるWatch-And-Help(WAH)を紹介する。 WAHでは、AIエージェントは、人間のようなエージェントが複雑な家庭用タスクを効率的に実行するのを助ける必要がある。 マルチエージェントの家庭環境であるVirtualHome-Socialを構築し、計画と学習ベースのベースラインを含むベンチマークを提供する。
  論文  参考訳（メタデータ） (2020-10-19T21:48:31Z)
• Emergent Social Learning via Multi-agent Reinforcement Learning [91.57176641192771]
  社会学習は、人間と動物の知性の重要な構成要素である。 本稿では,独立系強化学習エージェントが,社会的学習を用いてパフォーマンスを向上させることを学べるかどうかを検討する。
  論文  参考訳（メタデータ） (2020-10-01T17:54:14Z)

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。