使用 NetLogo 的基于代理的仿真评估 AmI 场景
本文通过采用人工智能和多智能体系统等技术构建了一个仿真模型,旨在增进对人们在危险环境中遇到困境时的反应和应对方法的理解,以提供更高效和有效的疏散策略,从而改善危险区域内个人的安全和福祉。
Jun, 2023
本文认为模拟平台使得新型的具身空间推理得以实现,它由物体和事件语义的形式化模型所促进,这使得开放式、实时环境的连续定量搜索空间变得易处理。通过示例,本文说明了一种基于语义的人工智能系统如何利用游戏引擎提供的精确数值信息来执行关于物体和事件的定性推理、从数据中学习新概念、与人类进行交流以提高其模型并展示其理解。本文认为模拟环境,特别是游戏引擎,整合了许多不同的 “模拟” 概念和许多不同的技术,为开发机器和人类智能方面的人工智能系统和工具提供了高效的平台.
Feb, 2019
本研究探讨了多学科方法在测试和调整人工通用智能(AGI)和 LLMs 方面的潜力。通过在虚拟现实框架中采用基于模拟的多智能体系统,模拟真实世界环境中的复杂社会结构和相互作用,通过应用社会学、社会心理学、计算机科学、物理学、生物学和经济学等领域的各种理论,展示了实现更具人类对齐和社会责任的 AGI 的可能性。该研究旨在为 AGI 的开发和改进做出贡献,强调社会、伦理和理论维度的整合以供未来研究参考。
Dec, 2023
本研究提出了一个基于 Theory of Mind 的通用框架,允许智能体使用多个模拟来推导和行动,以通过模拟决策过程解决在 IJCAI2013 AIBirds 竞赛中的流行游戏。
May, 2014
我们提出了一种多智能体 Minecraft 模拟器 MineLand,通过引入有限的多模态感知和物质需求,弥合了传统多智能体模拟器对完美信息和无限能力的假设,支持最多 48 个智能体,强制它们通过通信和协作来满足食物和资源等物质需求,从而促进了动态有效的多智能体交互,还引入了一个灵感来自多任务理论的 AI 智能体框架 Alex,使智能体能够处理复杂的协调和调度,实验证明该模拟器、相应的基准测试和 AI 智能体框架对于实现更生态和细致的集体行为具有积极作用。
Mar, 2024
在数据分析中,交互式数据分析是人类和 LLM 代理之间的协作,通过实时数据探索来支持明智的决策。我们引入了一种新的基准测试工具 Tapilot-Crossing 来评估 LLM 代理在交互式数据分析中的性能,并且提出了适应性交互反思(AIR)策略,通过引导 LLM 代理从成功的历史中学习来提高其数据分析效能,实验证明 AIR 能够使 LLM 代理的相对性能提高了 44.5%。
Mar, 2024
利用 LUTI 模型中对城市环境的知识为基础,结合代理系统,设计了能够规划逼真的人工城市的奖励函数,实现了对真实城镇环境中的分区和道路可达性等主要组成部分的微观级别复制;我们提出了代理环境的一种新颖表示形式,将道路图与土地的离散模型高效地结合起来,并通过分辨居住用地、商业用地、工业用地和娱乐用地,从空白图开始逐渐扩展地图。
Oct, 2022
多模态网站的自主体代理在逐渐演变的真实环境中完成复杂用户任务具有挑战性,提出了 MMInA,这是一个多跳和多模态评估综合互联网任务能力的基准,通过构建真实世界的多模态网站和综合任务评估协议,发现自主体代理在长链多跳互联网任务方面存在挑战,提出了一种简单的记忆增强方法,明显提高了代理的单跳和多跳网络浏览能力。
Apr, 2024
我们提倡自然语言驱动(NLD)模拟来高效地生成虚拟道路场景中多个物体之间的交互,以教学和测试自主驾驶系统。NLD 模拟使用简洁的自然语言描述来控制物体之间的交互,并显著减少了创建大量交互数据的人力成本。为了促进 NLD 模拟的研究,我们收集了包含 12 万个自然语言描述的语言到交互(L2I)基准数据集,描述了 6 种常见道路拓扑中物体之间的交互。每个描述都与编程代码相关联,图形渲染器可以使用该代码在虚拟场景中进行可视化重现。作为一种方法学贡献,我们设计了 SimCopilot 来将交互描述转化为可渲染的代码。我们使用 L2I 数据集评估 SimCopilot 在控制物体运动、生成复杂交互和在不同道路拓扑之间推广交互方面的能力。L2I 数据集和评估结果激发了相关自然语言驱动模拟的研究。
Dec, 2023