跳到正文
arXiv cs.MA· Ayman bin Kamruddin, Christopher Lam, Gaurav Patil, Mirco Musolesi, Mario di Bernardo, Michael J. Richardson·· 23 小时前AI 评分18

启发式、人类敏感与自博弈 DRL 策略在人机协作中的对比研究

A Comparison of Heuristic, Human-Sensitive, and Self-Play DRL Policies in Human-Agent Teaming

AI 导读

一项 arXiv 论文比较了三种目标选择策略驱动的 DPMP 智能体在第一人称放牧任务中的表现:人类启发式策略、自博弈 DRL(SP-DRL)与和启发式智能体共同训练的人类敏感 DRL(HS-DRL)。结果显示启发式智能体最贴近典型人类-人类协作模式,HS-DRL 次之,SP-DRL 偏离最大。研究认为 DRL 队友训练需引入人类信息,简单启发式策略仍是设计人类对齐 AI 智能体的有效途径。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:动态知觉-运动基元(DPMPs)为在人工代理(AAs)中生成类人运动动力学提供了一个可处理的框架,并已被用于支持人-AI 协作任务中的协调。传统上,DPMP 控制器依赖从人类行为中推导出的启发式(基于规则的)决策策略来指导目标选择和动作排序。尽管在结构化任务中有效,此类启发式策略难以泛化到更复杂的场景,这促使人们关注深度强化学习(DRL)方法来学习人-AI 交互的决策策略。然而,一个关键挑战是确保 DRL 策略与人类策略保持一致,尤其是当代理通过自我对弈进行训练时。为考察这一问题,我们在第一人称放牧任务中比较了三种控制基于 DPMP 的 AA 的目标选择策略:(1)源自人类的启发式策略,(2)自我对弈 DRL 策略(SP-DRL),以及(3)与启发式代理一同训练的人类敏感 DRL 策略(HS-DRL)。结果表明,启发式代理与典型的人类-人类协调模式最为接近,其次是 HS-DRL 代理,而 SP-DRL 代理偏离最大。这些发现凸显了在开发基于 DRL 的队友时采用人类知情训练的重要性,并表明简单的启发式策略可能仍是设计能够进行人-AI 协作的、与人类对齐的 AA 的有效方法。
评论: 9 页,5 幅图。包括补充材料 A(1 页,0 幅图)、B(1 页,0 幅图)和 C(54 页,216 幅图)。已提交至 IEEE HMS,可能发表
主题: 多代理系统(cs.MA);人机交互(cs.HC)
引用为: arXiv:2611.23747 [cs.MA]
  (或 arXiv:2611.23747v1 [cs.MA] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.23747

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Christopher Lam [查看电子邮件]
[v1] 2026 年 11 月 18 日星期三 02:59:54 UTC(12,560 KB)

来源:arXiv cs.MA · arxiv.org