使用程序化弱监督生成多智能体轨迹
机器学习
2019-02-25 v6 机器学习
摘要
我们研究了训练序列生成模型以捕捉协调多智能体轨迹行为的问题，例如篮球进攻比赛。在对此类场景进行建模时，设计能够利用中间变量捕捉长期协调的层次化模型通常是有益的。此外，这些中间变量应以可解释和可操作的方式捕捉有趣的高层行为语义。我们提出了一个能够有效学习此类序列生成模型的层次化框架。我们的方法受到近期利用程序化生成弱标签的工作的启发，并将其扩展到时空领域。除了合成场景外，我们还展示了如何实例化我们的框架以有效建模篮球运动员之间的复杂交互，并生成长时间段内逼真的篮球比赛多智能体轨迹。我们使用定量和定性评估验证了我们的方法，包括与专业体育分析师进行的用户研究对比。
引用
@article{arxiv.1803.07612,
title = {Generating Multi-Agent Trajectories using Programmatic Weak Supervision},
author = {Eric Zhan and Stephan Zheng and Yisong Yue and Long Sha and Patrick Lucey},
journal= {arXiv preprint arXiv:1803.07612},
year = {2019}
}