RMM：一种用于对话导航的递归心智模型
计算与语言
2020-10-07 v2 人工智能
计算机视觉与模式识别
机器学习
机器人学
摘要
语言引导的机器人必须既能向人类提问，也能理解回答。许多现有工作仅关注后者。在本文中，我们超越指令跟随，引入一个双智能体任务，其中一个智能体进行导航并提出问题，另一个引导智能体作答。受心智理论启发，我们提出递归心智模型（RMM）。导航智能体对引导智能体建模，以在给定候选生成问题时模拟回答。引导智能体反过来对导航智能体建模，以模拟其将采取的导航步骤来生成答案。我们使用智能体朝目标取得的进展作为强化学习奖励信号，直接指导导航动作以及问题和答案的生成。我们证明 RMM 能够更好泛化到新环境。对话者建模可能是人类—智能体对话中机器人既需提问又需作答的前进方向。
引用
@article{arxiv.2005.00728,
title = {RMM: A Recursive Mental Model for Dialog Navigation},
author = {Homero Roman Roman and Yonatan Bisk and Jesse Thomason and Asli Celikyilmaz and Jianfeng Gao},
journal= {arXiv preprint arXiv:2005.00728},
year = {2020}
}
备注
Findings of Empirical Methods in Natural Language Processing (EMNLP Findings), 2020