NestRL:嵌套训练法让人机组队实现相互适应,入选 NeurIPS

rao2z · x · 2026-09-25

Kambhampati 团队(亚利桑那州立大学与科罗拉多州立大学合作)论文 NestRL 被接收,提出面向人机组队(Human-AI Teaming)的嵌套强化学习训练框架。
核心问题:人类队友会随 AI 行为自适应调整策略,而现有方法用静态训练伙伴,无法刻画这种自适应性;标准多智能体联合训练又容易收敛到只在共训伙伴间有效的「黑箱默契」,泛化差。
方法:将人机组队形式化为 Interactive POMDP(I-POMDP),在每一层用下一层的自适应智能体作为对手/伙伴训练,逐层嵌套,让智能体暴露于自适应行为的同时避免收敛到伙伴特定策略。
结果:在 Overcooked 环境中对比 SOTA 基线,NestRL 对未见过的自适应智能体和真实人类队友都取得更高任务表现,且在交互过程中表现出显著更强的适应能力,附理论分析支撑。

「具身」频道最新