Mar, 2024

开放式多智能体导航的层次自动组织系统

PDF
TL;DR通过设计 HAS 框架，我们致力于开发组织行为，使其在导航任务方面推动体感人工智能的边界，使其朝着更像人类的组织结构发展。
multi-agent systemsinter-agent communicationtask distributionhierarchical auto-organizing navigation systemembodied organizations
发现论文，激发创造
  • S-Agents：自组织代理在开放环境中

    利用大型语言模型（LLMs），自主代理在处理各种任务方面取得了显著改进。我们引入了一种基于树状代理结构的自组织代理系统（S-Agents），用于动态工作流程，采用 “沙漏代理结构” 的方式来平衡信息优先级，并通过 “非阻碍式协作” 方法实现代理之间的异步任务执行。我们的实验证明 S-Agent 能够在 Minecraft 环境中高效执行合作建筑任务和资源收集任务，并验证了它们的有效性。

    Feb, 2024

  • CAMON：基于 LLM 对话的多对象导航协作智能体

    该论文提出了一种利用大型语言模型的通信和协作的分散式多代理导航框架，通过设计通信触发的动态领导组织结构，实现更快的团队共识，减少通信次数，提高导航效果和协同探索效率，在多目标导航任务中无冲突且具有稳健性，即使团队规模激增。

    Jun, 2024

  • 学习在复杂环境中导航

    利用增强学习问题和多模态感应输入的辅助深度预测和循环闭环分类任务，可以学习从复杂 3D 迷宫中进行导航并接近人类级别表现

    Nov, 2016

  • 协作式视觉导航

    提出一个用于多智能体视觉导航的大规模三维数据集 CollaVN，探索不同 MAVN 方法进行智能体的协作，用于弥补以往方法只关注格子世界或者游戏环境的不足，并采用记忆增强型通信框架提高多智能体合作效率和鲁棒性。

    Jul, 2021

  • 具备场景先验知识的多智能体具身视觉语义导航

    本文提出了一种基于多智能体协作的视觉语义导航方法，通过分层决策框架、场景先验知识和通信机制，可以使多个机器人协同完成探索任务，并在测试实验中表现出与单一智能体模型相比更高的准确性和效率。

    Sep, 2021

  • 层次化跨模态机器人视觉语言导航智能体

    该研究论文提出了一种基于连续三维重建环境的机器人视觉和语言导航（Robo-VLN）的设定，并利用分层决策，模块化训练和分离推理和模仿的策略，成功地解决了 Robo-VLN 这一新任务。通过使用 HCM 代理，研究者展示了比现有基线效果更好的结果，为 Robo-VLN 创造了新的基准。

    Apr, 2021

  • MASP: 面向多智能体导航的可扩展基于 GNN 的规划

    我们提出了基于多智能体可扩展图神经网络的分层规划器 (MASP)，用于具有大量智能体的导航任务，通过将搜索空间分成多个较小的空间以减少复杂度和加快训练收敛速度，并利用图神经网络建模智能体和目标之间的相互作用，提高目标实现能力，并在未见过的团队规模工作场景中展示了零 - shot 泛化能力。

    Dec, 2023

  • 通过指导提升结构化探索实现物体导航

    本文提出了一种层次化学习方法，包括高层的规划和记忆以及低层的房间导航和物品寻找，通过简单的合成语言为代理提供指令，同时使用另一个目标评估模块将指令映射到视觉观察中。在一个动态可配置的家庭环境中验证了该方法的有效性。

    Nov, 2022

  • 高效多智能体合作视觉探索学习

    本研究提出了一种基于强化学习的算法，引入了新颖的多智能体规划模块 MSP 和空间平移变换器 Spatial-TeamFormer，实现了多智能体协作视觉探测，经过政策蒸馏提取的元策略大大提高了最终策略的泛化能力，并在一个真实的 3D 模拟器 Habitat 中表现出比经典规划方法更好的性能。

    Oct, 2021

  • 一个基于层次不确定性感知的协作多智能体规划系统的实际部署

    通过开发一种规划系统，利用计划的层次结构使多智能体协同导航团队能够在现实世界的未知环境中执行导航任务，在现实世界的不确定性下依然具有鲁棒性，并成功使智能体完成协同导航计划。

    Apr, 2024