提出了一种交互式多模态框架,通过协作推理游戏,实现神经网络学习语言,初步实验结果可喜,但需注意避免智能体发展出仅针对游戏有效的特定通信编码。
May, 2016
本文提出了一种基于多模态视觉的交互式语言学习模型,无需平行语料库即可实现语言的相互理解和翻译,并表明使用该模型的多语言社区实现了更好和更快的翻译结果。
Oct, 2017
通过研究 negotiation environment 中不同类型 agent 之间的交互过程,以及不同类型 agent 是否会进行 cheap talk,作者探讨了 cooperation 在语言产生中的必要性问题。
Apr, 2018
本文提出了使用深度强化学习进行训练的带有通信能力的智能体在同时进行一系列指称游戏的计算框架,证明了框架反映了自然语言中观察到的语言现象,即语言演化的复杂属性可以不依赖于复杂的语言能力而是可以从视觉感知智能体之间的简单社交交流中产生。
Jan, 2019
本文提出了一种基于信息瓶颈的无监督方法,用于探索非常稀疏的多智能体增强学习中的社交通信情境,该方法可以捕捉引用复杂性和任务特定效用,并开发出一种自然语言灵感的信息组成的词汇表,该词汇表独立于一组紧急概念,使其具有极小的位数,同时可以使用社交影子的观测构成,并通过社交影子来学习通信策略。
Feb, 2023
本研究探讨在多智能体环境中,利用关节执行通信的新型通信模式,解决现有符号通信模式不能够解决的一些问题,提出具体的训练改进方案,实现了对新伙伴的协议推广。
Oct, 2020
本文探讨基于 emergent communication 的多物体位置关系引用游戏中语言的学习,发现输入变异性对语义广义能力有重要影响,并通过 MDP 任务验证了学到语言对未知场景的泛化能力,同时表明了学习上下文相关语言的潜在优势。
通过训练两个代理器,我们提出了一种紧跟数字孪生和元宇宙潮流的移动增强现实系统,并在其中嵌入一种新型的语义通信框架,可以通过极小数据量的消息进行抽象视觉数据的传达和交流,从而在增强现实中提高通信效率。
Aug, 2023
本文研究了多代理协作,发现当人工智能代理学习玩简单参考游戏的同时,也能够建立共享的词汇表。通过分析神经网络代理在简单的参考游戏中使用符号进行对象映射的策略,发现对于非均匀分布的环境,代理人将忽略无用特征并更好地利用其他特征进行通信,这为语言的形成提供了新的启示。
Nov, 2019
本论文通过介绍一个协作的多物体导航任务 CoMON,并研究不同通信机制,分析它们的通信模式,证明了学习出来的通信可以落实于 Agent 观察和环境的 3D 结构。
Oct, 2021