具有一致性说话者的交互世界中通信的涌现

近期，在仅给定基于任务的监督下训练智能体相互通信引起了相当多的关注，这是由于开发人机交互模型的增长兴趣。该主题的先前工作聚焦于简单环境，其中尽管训练期间智能体具有非平稳性，使用策略梯度进行训练仍是可行的。在本文中，我们提出一个更具挑战性的环境用于测试从原始像素中通信的涌现，其中使用策略梯度训练失败。我们提出一种新模型与训练算法，其利用学习到的表示空间的结构在训练初始阶段产生更一致的说话者，从而稳定学习。我们通过实验表明，与策略梯度相比我们的算法大幅提升了性能。我们还提出一种基于对齐的新度量用于衡量涌现通信中的上下文无关性，并发现与其他竞争基线及策略梯度相比，我们的方法增加了上下文无关性。