通过窃听监控团队：一种多智能体计划识别方法

近年来，对协作智能体团队进行在线监控的需求日益增长，例如用于可视化或性能跟踪。然而，在监控已部署的团队时，我们通常不能依赖智能体始终向监控系统报告其状态。本文提出了一种通过“窃听”进行非侵入式监控的方法，其中被监控团队的状态是通过团队成员在协调任务执行过程中交换的常规通信（被监控系统观察/窃听到）来推断的（通过计划识别）。该方法面临的关键挑战包括监控的实时性要求、观测数据的稀缺性（增加了监控的不确定性），以及需要扩展监控能力以应对潜在的大型团队。为了解决这些问题，我们提出了一套互补的新技术，利用了被监控团队中的社会结构和过程知识：(i) 一种高效的、适用于将通信作为观测数据进行处理的概率计划识别算法；(ii) 一种利用团队社会行为知识在执行过程中预测未来观测数据的方法（以减少监控不确定性）；以及 (iii) 一种以表达能力换取可扩展性的监控算法，仅表示某些有用的监控假设，但允许将任意数量的智能体及其不同活动表示为一个单一的、连贯的实体。我们对这些技术进行了组合和单独的经验评估，监控了一个部署在全国各地物理分布机器上、执行复杂动态任务的智能体团队。我们还将这些技术的性能与人类专家和新手监控员进行了比较，结果表明，尽管任务艰巨，所提出的技术能够达到人类专家水平的监控能力。