STEMFold: 存在隐藏智能体时多智能体交互的随机时间流形

学习精确的、数据驱动的预测模型，用于遵循未知动力学的多个交互智能体，在许多现实世界的物理和社会系统中至关重要。在许多场景中，必须在观测不完整的情况下进行动力学预测，即，从一个更大的拓扑系统中，只有一部分智能体是已知且可观测的，而未观测智能体的行为及其与观测智能体的交互是未知的。当只能获得动力系统的不完整观测，以至于某些状态保持隐藏时，通常无法使用解析或数据驱动技术在这些变量中学习一个闭式模型。在这项工作中，我们提出了STEMFold，一种基于时空注意力的生成模型，用于学习一个随机流形，以仅从可见智能体的观测中预测多智能体系统的潜在未测量动力学。我们的分析结果促使我们使用带有时间锚点的时空图来设计STEMFold，从而在没有任何交互图拓扑先验信息的情况下，将可见智能体的观测有效映射到一个随机流形。我们在两个模拟数据集和两个真实世界数据集上对我们的方法进行了实证评估，结果表明，即使在存在许多未观测智能体的情况下，该方法在预测复杂多智能体交互方面也优于现有网络。