Simulating Human-like Daily Activities with Desire-driven Autonomy

要約

欲望は、人間が複雑な世界と自律的に相互作用するように動機付けます。
対照的に、現在のAIエージェントには、自律性と行動の多様性を制約する命令や報酬機能など、明示的なタスク仕様が必要です。
このホワイトペーパーでは、多次元の欲求を満たすことで動機付けられたタスクを自律的に提案および選択できるようにすることができる、欲望駆動型の自律剤（D2A）を紹介します。
具体的には、D2Aの動機付けフレームワークは、主にニーズの理論に触発された動的価値システムによって構築されています。
それは、社会的相互作用の必要性、個人的な充足、セルフケアなど、人間のような欲求の理解を取り入れています。
各ステップで、エージェントは現在の状態の価値を評価し、一連の候補活動を提案し、本質的な動機と最適な活動を選択します。
テキストベースのシミュレーターであるコンコルディアで実験を行い、エージェントが人間の行動と同様の変動性と適応性を示しながら、コヒーレントで文脈的に関連する日常活動を生成することを実証します。
他のLLMベースのエージェントとの比較分析は、私たちのアプローチがシミュレートされたアクティビティの合理性を大幅に向上させることを示しています。

要約(オリジナル)

Desires motivate humans to interact autonomously with the complex world. In contrast, current AI agents require explicit task specifications, such as instructions or reward functions, which constrain their autonomy and behavioral diversity. In this paper, we introduce a Desire-driven Autonomous Agent (D2A) that can enable a large language model (LLM) to autonomously propose and select tasks, motivated by satisfying its multi-dimensional desires. Specifically, the motivational framework of D2A is mainly constructed by a dynamic Value System, inspired by the Theory of Needs. It incorporates an understanding of human-like desires, such as the need for social interaction, personal fulfillment, and self-care. At each step, the agent evaluates the value of its current state, proposes a set of candidate activities, and selects the one that best aligns with its intrinsic motivations. We conduct experiments on Concordia, a text-based simulator, to demonstrate that our agent generates coherent, contextually relevant daily activities while exhibiting variability and adaptability similar to human behavior. A comparative analysis with other LLM-based agents demonstrates that our approach significantly enhances the rationality of the simulated activities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google