Aug, 2022

表现和体验像人类的生成角色

PDF
TL;DR本研究考虑将行为规则、奖励和人类示范化为生成 AI 代理即程序化人物角色，以模拟人类玩家的游戏体验，通过 Go-Explore 强化学习方法来训练人类化的代理，其结果显示生成的代理呈现出人类玩家的不同游戏风格和体验响应，同时对玩家体验的考虑，能够更好地推动行为探索。
artificial intelligencegenerative agentsprocedural personasreinforcement learningplayer experience
发现论文，激发创造
  • 生成代理：人类行为的交互模拟体

    该论文介绍了一种通过扩展语言模型来实现生成代理的架构，生成的代理在交互中呈现出能够模拟真实人类行为和社交的表现。

    Apr, 2023

  • 通过演化的启发式搜索和 MCTS 实现基于过程人物的自动化游戏测试

    本文提出了一种通过生成 player 模型，利用叫做 procedual personas 的原型 player 模型实现自动游戏内容测试的方法，该模型基于心理决策理论，通过使用进化计算开发的节点选择标准来替换 MCTS 的标准 UCB1 标准。我们在多种游戏水平中演示了这些人物的应用，并展示了不同的玩法风格如何在每个水平中表现。总之，我们使用人工智能人物来构建合成游戏测试人员。该方法可用作自动游戏测试工具，在人类反馈不可用或需要快速可视化潜在互动时使用。可能的应用包括游戏开发期间的交互式工具或需在短时间内进行许多评估的程序性内容生成系统。

    Feb, 2018

  • 生成多样化行为参与的游戏关卡

    探讨了如何使用具有不同个性的代理来生成具有个性化的等级， 通过 Super Mario Bros 的实验研究，发现使用相同的评估指标，但不同个性的代理可以生成特定个性的等级。

    Jul, 2022

  • 人形代理：模拟类似于人类的生成代理的平台

    Humanoid Agents 是一个系统，通过引入 System 1 processing 的三个要素：Basic needs、Emotion 和 Closeness in Relationships，指导 Generative Agents 更像人类行为，能够使用这些动态元素来适应他们的日常活动和与其他 agents 的对话，并通过实证实验支持。

    Oct, 2023

  • 人类导航行为：统计评估框架

    通过非参数双样本假设检验，我们成功地与匿名人类判断人类行为的结果达成一致，并证明其可以作为相似性的统计量。

    Mar, 2022

  • 使用机械频率和游戏状态轨迹预测人物角色

    本研究探讨如何通过玩家游玩记录高效预测玩家人设，使用监督学习和序列学习两种方法实现预测，强调计算科学在定义玩家人设方面的重要性。

    Mar, 2022

  • 供应即时反馈生成的作者定义的 AI 角色

    根据作家定义的目标读者的 AI 角色生成按需反馈，为支持作家使用人工智能而拓展了社会技术视角。

    Sep, 2023

  • 大规模多人游戏中的人工智能与人类协调

    评估人工智能与人类在复杂多智体游戏中的一致性，提出了一种使用可解释的任务集框架评估的方法，重点关注高级行为任务而非低级策略。通过分析人类游戏数据和训练 AI 代理，将人类和 AI 游戏对比，发现人类和 AI 之间存在显著差异，强调在多人游戏中应对人工智能的评估、设计和整合进行清晰解释。

    Feb, 2024

  • 预测用户需求：从设计小说中获取关于计算思维对话代理的见解

    计算思维与计算机编程具有学习曲线陡峭的特点。通过对话代理和生成式人工智能（genAI）的应用，可以提供个性化指导、互动学习体验和代码生成来促进学习过程。然而，目前基于 genAI 的聊天机器人主要面向专业开发人员，对教育需求的考虑可能不足够。因此，与教育者合作设计教育工具至关重要，本文通过设计虚构会话中的参与教育者洞察了一种具备指导学生分步练习、调整指导方法并关注教育背景、技能和学习偏好的对话代理，这些发现可为面向教授计算思维和计算机编程的辅导对话代理的未来实施提供指导。

    Nov, 2023

  • 模仿交互智能

    通过虚拟环境中的交互式训练、行为测试和逆强化学习技术，实现了大规模人类行为模仿，提高了人工智能代理的交互能力，并成功解决了代理评估方面的挑战。

    Dec, 2020