从动作与指令推断通信智能体的目标

当人类合作时，他们常通过语言沟通与非语言动作来协调活动，并利用这些信息推断共享目标与计划。我们如何建模这种推断能力？本文引入一个合作团队模型，其中一方智能体（委托人）可使用 GPT-3 作为指令话语的似然函数，就共享计划向另一方智能体（助手）传达自然语言指令。随后我们展示第三方观察者如何经由基于动作与指令的多模态贝叶斯逆规划推断团队目标，即在智能体将理性地行动与沟通以实现目标的假设下，计算目标上的后验分布。我们通过将该方法与多智能体网格世界中人类的目标推断进行比较来评估此方法，发现模型推断与人类判断高度相关（R = 0.96）。与仅依据动作推断相比，我们还发现指令带来更迅速且不确定性更小的目标推断，凸显了语言沟通对合作智能体的重要性。