提升人-智能体协作中的人类体验：一种基于正向人类增益的人本建模方法
人机交互
2024-01-31 v1 人工智能
摘要
现有的游戏 AI 研究主要侧重于增强智能体赢得游戏的能力，但这并不必然使人类在与这些智能体协作时获得更好的体验。例如，智能体可能主导协作并表现出意外或有害的行为，导致其人类伙伴体验不佳。换言之，大多数游戏 AI 智能体是以“自我为中心”的方式建模的。在本文中，我们为协作智能体提出了一种“以人为本”的建模方案，旨在提升人类的体验。具体而言，我们将人类的体验建模为他们在任务中期望实现的目标。我们期望智能体学会提高人类实现这些目标的程度，同时保持智能体原有的能力（例如，赢得游戏）。为实现这一目标，我们提出了基于人类增益的强化学习（RLHG）方法。RLHG 方法引入了一个“基线”，该基线对应于人类原始实现其目标的程度，并鼓励智能体学习能够有效帮助人类更好地实现其目标的行为。我们在流行的多人在线战术竞技（MOBA）游戏《王者荣耀》中，通过进行真实世界的人机测试来评估 RLHG 智能体。客观表现和主观偏好结果均表明，RLHG 智能体为参与者提供了更好的游戏体验。
引用
@article{arxiv.2401.16444,
title = {Enhancing Human Experience in Human-Agent Collaboration: A Human-Centered Modeling Approach Based on Positive Human Gain},
author = {Yiming Gao and Feiyu Liu and Liang Wang and Zhenjie Lian and Dehua Zheng and Weixuan Wang and Wenjin Yang and Siqin Li and Xianliang Wang and Wenhui Chen and Jing Dai and Qiang Fu and Wei Yang and Lanxiao Huang and Wei Liu},
journal= {arXiv preprint arXiv:2401.16444},
year = {2024}
}
备注
Accepted at ICLR 2024. arXiv admin note: text overlap with arXiv:2304.11632