基于情境对话中心智理论建模的协作式计划获取研究
人工智能
2023-10-24 v1 计算与语言
计算机视觉与模式识别
机器学习
摘要
协作任务通常始于每位合作者仅掌握部分任务知识和不完整的初始计划。为完成这些任务，智能体需要与合作者进行情境化交流，并协调各自的部分计划以形成完整计划，从而实现联合任务目标。尽管这种协作在人类团队中看似轻而易举，但对人类与 AI 的协作而言却极具挑战。为应对这一局限，本文向协作式计划获取迈出一步：人类与智能体努力相互学习与沟通，以获取联合任务的完整计划。具体而言，我们形式化了一个新颖问题，使智能体能够基于丰富的感知与对话历史，预测自身及合作者所缺失的任务知识。我们扩展了三维积木世界中以对称协作任务为对象的情境对话基准，并探究用于计划获取的计算策略。实证结果表明，预测合作者缺失知识比预测自身缺失知识更为可行。我们证明，显式建模合作者的对话行为与心理状态，比不进行此类建模能产出更优且更稳定的结果。这些结果为未来 AI 智能体提供了洞见：它们可预测合作者缺失何种知识，从而主动沟通该信息，帮助合作者获取缺失知识，以达成对联合任务的共识。
引用
@article{arxiv.2305.11271,
title = {Towards Collaborative Plan Acquisition through Theory of Mind Modeling in Situated Dialogue},
author = {Cristian-Paul Bara and Ziqiao Ma and Yingzhuo Yu and Julie Shah and Joyce Chai},
journal= {arXiv preprint arXiv:2305.11271},
year = {2023}
}