Automated Task-Time Interventions to Improve Teamwork using Imitation Learning

要約

効果的な人間と人間、および人間と自律性のチームワークは重要ですが、完璧にするのは難しいことがよくあります。
この課題は、ヘルスケアや災害対応など、時間が重要な分野で特に重要です。これらの分野では、時間のプレッシャーによって調整の達成がますます難しくなり、調整が不完全な場合の結果が深刻になる可能性があります。
これらおよび他のドメインでのチームワークを改善するために、TIC を提示します。これは、チーム メンバー間の調整を改善するための自動介入アプローチです。
マルチエージェントの模倣学習アルゴリズムである BTIL を使用して、私たちのアプローチはまず、過去のタスク実行データからチーム行動の生成モデルを学習します。
次に、学習した生成モデルとチームのタスク目標 (共有報酬) を利用して、実行時間の介入をアルゴリズムで生成します。
チームメンバーが環境の完全な可観測性なしに分散型の決定を下す、合成マルチエージェントチーム化シナリオでアプローチを評価します。
実験は、自動化された介入がチームのパフォーマンスを改善し、チームワークを改善するための自律エージェントの設計に光を当てることができることを示しています。

要約(オリジナル)

Effective human-human and human-autonomy teamwork is critical but often challenging to perfect. The challenge is particularly relevant in time-critical domains, such as healthcare and disaster response, where the time pressures can make coordination increasingly difficult to achieve and the consequences of imperfect coordination can be severe. To improve teamwork in these and other domains, we present TIC: an automated intervention approach for improving coordination between team members. Using BTIL, a multi-agent imitation learning algorithm, our approach first learns a generative model of team behavior from past task execution data. Next, it utilizes the learned generative model and team’s task objective (shared reward) to algorithmically generate execution-time interventions. We evaluate our approach in synthetic multi-agent teaming scenarios, where team members make decentralized decisions without full observability of the environment. The experiments demonstrate that the automated interventions can successfully improve team performance and shed light on the design of autonomous agents for improving teamwork.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google