通过自我观察学习心智理论的机器人:利用意图 - 信仰的协同作用
本文研究了多智能体环境中,人类与机器人协作对抗他人时,基于心智化理论的机器人政策对于人机信任的重要性和有效性,并通过采用机器人心智理论模型来缓解机器人采用逆心理策略的问题以保持信任。
Nov, 2023
通过设计 Theory of Mind (ToM)神经网络,该网络利用元学习从行为观察中建模遇到的智能体,从而学习模拟其他智能体在其世界中的行为,它是发展多智能体 AI 系统、构建机器人与人类交互技术和推进可解释 AI 进步的一个重要步骤。
Feb, 2018
本文介绍了一种使用心理意识理论建立社交智能代理以有效沟通与合作完成任务的方法,通过观察、推断和接收信息,这些代理可以推断他人的心理状态和意图并决定何时、与谁分享自己的意图,最终在两个典型目标导向的多代理任务中展示了优异的性能。
Oct, 2021
研究使用贝叶斯心理理论,通过比较具有 ToM 代理和非 ToM 代理的合作玩家的表现,证明 ToM 代理的存在可以显著提高所有类型合作伙伴(包括人类玩家)的合作效率,对于设计更好的合作代理有重要的意义。
Jul, 2020
本文综述了近年来关于机器 Theory of Mind(ToM)在信仰、欲望和意图方面的进展,概括了不同任务和数据集的发展,并比较了具有优势、局限性和适用条件的模型。我们认为,提出标准的评估标准和数据集,特别是覆盖了 ToM 多个方面的大规模数据集,是解决这种困难的方法之一。
Mar, 2023
该研究采用新颖的神经记忆机制和分层注意力相结合的方法设计了一个理论心智模型,ToMMY,使其能够快速准确地推断他人的意图、信念与将来的行为,进一步实验证明神经记忆机制可在高难度的虚假信念任务中提高心理理解的准确性。
Jan, 2023
通过研究大型语言模型在人机交互中的应用,本文探讨了理解机器生成行为的能力,特别是在承认他人心理状态方面,发现大型语言模型缺乏对无关紧要或微小变化的不变性。
Jan, 2024
本研究为了衡量 Theory of Mind(意念)在语言学习中的影响,在现有 ToM 的版本上,建立了能够融合 ToM 的语言学习代理,并通过实验,证实高度融合 ToM listener 组件的训练,可以在图像指称游戏环境中获得更好的性能,这表明在计算语言习得中进一步结合 ToM 以及儿童语言习得研究的潜在效用。
Mar, 2023