Language Instructed Reinforcement Learning for Human-AI Coordination

强化学习 计算机科学 水准点(测量) 人工智能 人类语言 质量(理念) 钢筋 心理学 社会心理学 语言学 哲学 大地测量学 认识论 地理
作者
Hengyuan Hu,Dorsa Sadigh
出处
期刊:Cornell University - arXiv 被引量:8
标识
DOI:10.48550/arxiv.2304.07297
摘要

One of the fundamental quests of AI is to produce agents that coordinate well with humans. This problem is challenging, especially in domains that lack high quality human behavioral data, because multi-agent reinforcement learning (RL) often converges to different equilibria from the ones that humans prefer. We propose a novel framework, instructRL, that enables humans to specify what kind of strategies they expect from their AI partners through natural language instructions. We use pretrained large language models to generate a prior policy conditioned on the human instruction and use the prior to regularize the RL objective. This leads to the RL agent converging to equilibria that are aligned with human preferences. We show that instructRL converges to human-like policies that satisfy the given instructions in a proof-of-concept environment as well as the challenging Hanabi benchmark. Finally, we show that knowing the language instruction significantly boosts human-AI coordination performance in human evaluations in Hanabi.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
上官若男应助科研通管家采纳,获得10
1秒前
吸尘器完成签到,获得积分10
1秒前
lyu完成签到,获得积分10
14秒前
yly123完成签到,获得积分20
17秒前
暴躁的冬菱完成签到,获得积分10
18秒前
徐进完成签到,获得积分10
18秒前
xiaoyi完成签到 ,获得积分10
24秒前
LN完成签到,获得积分10
39秒前
zxd完成签到,获得积分10
43秒前
hh完成签到 ,获得积分10
46秒前
小文完成签到 ,获得积分10
48秒前
hb完成签到,获得积分0
55秒前
orixero应助耕牛热采纳,获得10
1分钟前
逍遥子完成签到,获得积分10
1分钟前
麦田麦兜完成签到,获得积分10
1分钟前
506407完成签到,获得积分10
1分钟前
耕牛热完成签到,获得积分10
1分钟前
励志发SCI完成签到 ,获得积分10
1分钟前
曹广秀完成签到,获得积分10
1分钟前
shacodow完成签到,获得积分10
1分钟前
JUN完成签到,获得积分10
1分钟前
ll完成签到,获得积分10
1分钟前
瞿人雄完成签到,获得积分10
1分钟前
没心没肺完成签到,获得积分10
1分钟前
1分钟前
1分钟前
001发布了新的文献求助10
1分钟前
学术霸王完成签到,获得积分10
1分钟前
beak完成签到,获得积分10
2分钟前
笨鸟先飞完成签到 ,获得积分10
2分钟前
AX完成签到,获得积分10
2分钟前
柴yuki完成签到 ,获得积分10
2分钟前
rockyshi完成签到 ,获得积分10
2分钟前
务实的姿完成签到 ,获得积分10
2分钟前
lph完成签到 ,获得积分10
2分钟前
氟锑酸完成签到 ,获得积分10
2分钟前
WL完成签到 ,获得积分10
2分钟前
2分钟前
Miya完成签到 ,获得积分10
2分钟前
吊炸天完成签到 ,获得积分10
2分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Modern Epidemiology, Fourth Edition 5000
Handbook of pharmaceutical excipients, Ninth edition 5000
Digital Twins of Advanced Materials Processing 2000
Weaponeering, Fourth Edition – Two Volume SET 2000
Polymorphism and polytypism in crystals 1000
Social Cognition: Understanding People and Events 800
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 纳米技术 有机化学 物理 生物化学 化学工程 计算机科学 复合材料 内科学 催化作用 光电子学 物理化学 电极 冶金 遗传学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 6028339
求助须知:如何正确求助?哪些是违规求助? 7688766
关于积分的说明 16186376
捐赠科研通 5175525
什么是DOI,文献DOI怎么找? 2769533
邀请新用户注册赠送积分活动 1752979
关于科研通互助平台的介绍 1638782