迈向智能体AI：面向长时程任务分层规划的任务导向通信

智能体人工智能（AI）是一种AI范式，能够感知环境、对观察进行推理并执行动作以实现特定目标。任务导向通信通过仅传输任务相关信息而非完整原始数据来支持智能体AI，以降低带宽需求。在现实场景中，AI智能体通常需要执行一系列动作来完成复杂任务。完成这些长时程任务需要分层智能体AI架构，其中高级规划模块将任务分解为子任务，低级执行模块依次执行每个子任务。由于每个子任务都有不同的目标，现有的任务导向通信方案并非为处理不同子任务的不同目标而设计。为了应对这一挑战，在本文中，我们开发了一个分层任务导向通信框架。我们考虑了一个包含边缘服务器和作为边缘设备的机器人的系统。高级规划模块和低级执行模块驻留在边缘服务器上。机器人仅将与当前子任务相关的环境观察传输给边缘服务器。我们提出了一种条件变分信息瓶颈方法来训练HiTOC框架，以自适应地传输每个子任务所需的最少信息。在AI2-THOR平台上进行的仿真表明，所提出的HiTOC框架在MAP-THOR基准测试上的成功率方面优于三种最先进的方案。