Level-Based Foraging
PulseAugur coverage of Level-Based Foraging — every cluster mentioning Level-Based Foraging across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的JAX库加速AI临时协作研究
研究人员开发了JaxAHT，一个基于JAX的新开源库，旨在加速和标准化人工智能中临时协作（AHT）的研究过程。该库旨在克服先前阻碍AHT进展的计算成本和标准化基准的缺乏。JaxAHT提供了一个统一的框架，用于生成队友、训练自我代理，并评估它们在面对未见过伙伴时的表现，与PyTorch实现相比，速度显著提升。该库还包括一套跨越Level-Based Foraging、Overcooked和Hanabi等不同领域的评估队友，并用于对不同的…
-
新的 ROTATE 框架增强了 AI 代理与未知伙伴的协作能力
研究人员开发了一个名为 ROTATE 的新框架，用于训练 AI 代理与不熟悉的伙伴协作，这是一个被称为临时团队合作 (AHT) 的挑战。与先前将队友生成和代理训练分开的方法不同，ROTATE 将这些过程统一到一个开放式学习循环中。该算法在改进 AHT 代理和生成暴露代理协作弱点的对抗性队友之间交替进行。在 Overcooked 和 Level-Based Foraging 任务上的实验表明，ROTATE 在泛化到未知队友方面显著优于现有方法。
-
新AI方法实现鲁棒的即席团队协作
研究人员开发了一种名为无监督伙伴设计（UPD）的新型多智能体强化学习方法。该技术在学习过程中动态生成训练伙伴，并根据可学习性标准进行调整。UPD消除了对预训练伙伴群体或手动调整的需求，从而在Level-Based Foraging和Overcooked-AI等各种基准测试中实现更多样化的训练和更高的性能。人类-AI用户研究表明，与基线方法相比，使用UPD训练的智能体被认为更具适应性，且令人沮丧的程度更低。