演化多智能体交互系统的在线关系推理
人工智能
2024-11-08 v2 机器学习
多智能体系统
摘要
我们提出了一种新颖的框架——在线关系推理（ORI），旨在利用流式数据高效识别演化多智能体交互系统中的隐藏交互图。与依赖固定训练集的传统离线方法不同，ORI 采用在线反向传播，利用每个新数据点更新模型，从而使其能够实时适应变化的环境。一项关键创新是将邻接矩阵作为可训练参数，通过一种新的自适应学习率技术 AdaRelation 进行优化，该技术根据解码器对交互图变化的历史敏感度进行调整。此外，引入了一种名为轨迹镜像（Trajectory Mirror）的数据增强方法，通过暴露模型于多样化的轨迹模式来提高泛化能力。在合成数据集和真实世界数据（CMU MoCap 人体运动）上的实验结果表明，ORI 在动态设置中显著提升了关系推理的准确性和适应性。该方法具有模型无关性，可与各种神经关系推理（NRI）架构无缝集成，为复杂演化系统中的实时应用提供了鲁棒的解决方案。
引用
@article{arxiv.2411.01442,
title = {Online Relational Inference for Evolving Multi-agent Interacting Systems},
author = {Beomseok Kang and Priyabrata Saha and Sudarshan Sharma and Biswadeep Chakraborty and Saibal Mukhopadhyay},
journal= {arXiv preprint arXiv:2411.01442},
year = {2024}
}
备注
Accepted at NeurIPS 2024