Nov, 2022

用行为树创建对话式解释体验

PDF
TL;DR该研究提出了一种 XAI 系统规范和交互式对话模型，以促进 Explanation Experiences（EE）的创建，并使用行为树（BT）实现对 EE 用户交互接口的设计与实现，这种方法能够通过用户反馈不断改进和推进，同时也使用 BTs 解决了计算成本方面的问题。
xai systemexplanation experiencesdialogue modelbehaviour treesuser evaluation feedback
发现论文，激发创造
  • 机器人与人工智能中的行为树简介

    本书介绍了如何使用行为树来设计且高效地创建具有模块化和反应性的自主系统，并描述了行为树与早期开关结构的关系，以及如何使用状态空间描述对安全性、鲁棒性和效率进行正式分析，并展示了行为树在自动化规划和机器学习中的应用，最后描述了一组扩展工具以捕捉随机行为树的行为。

    Aug, 2017

  • 机器人和人工智能中行为树的调查

    本文综述了行为树在人工智能和机器人应用中的作用，通过对现有的文献资料进行分类和总结，结合模块化和层次化树结构，探讨了其在算法和人类分析方面的优点。同时，文章提出未来需要解决的一系列开放性问题。

    May, 2020

  • 从人类指令生成行为树的意图理解与最优行为规划的整合

    本研究提出了一个两阶段框架来生成行为树（BT），首先使用大型语言模型（LLMs）从高层指示中解释目标，然后通过最优行为树扩展算法（OBTEA）构建高效的目标特定行为树，在服务机器人中的实验证实了 LLMs 在产生语法正确和准确解释目标方面的熟练程度，证明了 OBTEA 在各项指标上相对于基线 BT 扩展算法的优越性，并最终确认了我们框架的实际部署能力。

    May, 2024

  • 面向可解释人工智能的基于场景对话模型

    本文旨在探讨为了与用户建立信任，可解释人工智能系统需要包括一个解释模型，其可以向交互的人类沟通其内部的决策、行为和操作。该文通过对 398 种不同解释对话类型的记录进行分析，提出了一种人类解释对话模型，并使用基础理论进行编码和确定其关键成分，还进一步分析了对话中发生的序列和周期的关系，提出了一种泛化状态模型。

    Jun, 2018

  • 行为树实现对语言模型代理的结构化编程

    使用行为树结合语言模型与经典人工智能和传统编程，本文介绍了一种用于编程语言模型代理的 Python 库 Dendron，并通过三个案例研究展示了该方法。

    Apr, 2024

  • KT-BT: 多机器人系统中通过行为树进行知识转移的框架

    该论文提出一种名为 KT-BT 的知识转移框架，通过基于行为树的在线机制，在智能体之间实现了知识共享，从而提升了多机器人或多智能体系统的表现，以搜索和救援问题为例，进行了广泛的验证和研究。

    Sep, 2022

  • 在 Event-B 中验证行为树的安全性

    本文提出了一种行为树的形式化规范及验证方法，以保证对于机器人在安全和可靠性方面的要求得到满足。

    Sep, 2022

  • 可解释人工智能的基础交互协议

    本文探讨了可解释人工智能系统中的交互式解释问题，并提出了一种基于代理对话框架的交互协议模型，通过对 398 个解释对话的分析和人机交互实验的验证，证明该模型能够准确地模拟人机交互对话。

    Mar, 2019

  • 行为树控制器的扩展收敛性结果

    研究行为树的收敛性，包括广义的既有结果和文献中未涵盖的循环切换情况。

    Aug, 2023

  • 对话树搜索：一种新型的混合对话任务

    该论文介绍了一种称为对话树搜索（CTS）的任务，它桥接了 FAQ 样式信息检索和面向任务的对话之间的差距，允许领域专家定义对话树，然后将其转换为高效的对话策略，从而实现目标完成率更高且能够跳过不必要的问题。

    Mar, 2023