基于协作多智能体强化学习的触摸界面3D导航协议学习
机器学习
2019-08-29 v2 人工智能
人机交互
摘要
使用触摸设备在虚拟3D环境（如计算机辅助设计（CAD）模型或地理信息系统（GIS））中导航，对人类而言 inherently 困难，因为3D操作必须由用户在2D触摸表面上完成。这一不适定问题通常通过固定且手工设计的交互协议来解决，用户必须学习该协议。我们提出利用强化学习（RL）自动学习一种新的交互协议，将2D用户输入映射到虚拟环境中的3D动作。RL方法的一个基本问题是往往需要大量交互，而在涉及人类时难以获取。为克服此限制，我们使用两个协作智能体。第一个智能体通过学习执行2D手指轨迹来建模人类。第二个智能体充当交互协议，解释并将第一个智能体的2D手指轨迹转换为3D操作。我们通过在强化学习之前先进行状态表示学习，将学到的2D轨迹限制为类似于所收集人类手势的训练集。该状态表示学习通过将由变分自编码器（VAE）学习的潜空间投影手势来解决。
引用
@article{arxiv.1904.07802,
title = {Learning 3D Navigation Protocols on Touch Interfaces with Cooperative Multi-Agent Reinforcement Learning},
author = {Quentin Debard and Jilles Steeve Dibangoye and Stéphane Canu and Christian Wolf},
journal= {arXiv preprint arXiv:1904.07802},
year = {2019}
}
备注
17 pages, 8 figures. Accepted at The European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases 2019 (ECMLPKDD 2019)