baller2vec：一种用于多智能体时空建模的多实体 Transformer
机器学习
2021-09-30 v3 多智能体系统
摘要
多智能体时空建模从算法设计和计算复杂度角度看都是一项具有挑战性的任务。近期工作探索了传统深度序列模型在该领域的有效性，但这些架构训练缓慢且笨重，尤其当模型规模增大时。此外，先前跨时间对智能体间交互建模的尝试存在局限，例如强加智能体顺序，或对它们的关系做假设。本文中，我们引入 baller2vec，一种标准 Transformer 的多实体推广，它能在最小假设下同时且高效地跨实体和时间整合信息。我们通过训练 baller2vec 执行两种不同的篮球相关任务来检验其在多智能体时空建模上的有效性：（1）同时建模球场上所有球员的轨迹；（2）建模球的轨迹。baller2vec 不仅学得好（以较大优势优于参数规模相近的图循环神经网络），它似乎还“理解”篮球比赛，在其嵌入中编码球员的独特特质，并用其注意力头执行与篮球相关的功能。
引用
@article{arxiv.2102.03291,
title = {baller2vec: A Multi-Entity Transformer For Multi-Agent Spatiotemporal Modeling},
author = {Michael A. Alcorn and Anh Nguyen},
journal= {arXiv preprint arXiv:2102.03291},
year = {2021}
}