当前位置：首页>南京>南京大学俞扬等 | 基于语言引导扩散模型的高效人机协作策略生成

南京大学俞扬等 | 基于语言引导扩散模型的高效人机协作策略生成

2026-07-14 07:59:08

原文信息：Lin K M, Yuan L, Zhang Z Q, et al. Human-AI coordination via policy generation from language-guided diﬀusion. Sci China Tech Sci, 2026, 69(1):1100309, https://doi.org/10.1007/s11431-025-3138-x

研究内容

本研究聚焦于零样本人机协作中智能体对多样化人类伙伴的高效适配与策略部署问题，旨在突破现有强化学习方法在多模态人类行为建模与快速协作部署方面的局限。人机协作的核心在于实现人类经验、知识与理性判断力与人工智能的高速计算与模式识别能力的有机融合，从而在协同任务中提升整体工作质量与效率。传统的人机协作通常依赖自动化控制与专家经验制定策略，难以适应不同风格的人类伙伴，泛化能力有限，且在应用到新的场景时需要重新设计协作机制，训练与部署成本高昂。近年来，强化学习技术的发展为智能体的自主学习与环境适应提供了可能，合作多智能体强化学习（MARL）被广泛用于建模人机协作过程，通过将人类协作者视作需要配合的队友，智能体能够学习到在不同合作模式下的最优响应策略。然而，由于人类行为具有显著的随机性与多模态特征，现有的单一通用协作策略难以覆盖所有行为风格，而针对不同队友训练的多策略体系又依赖少样本适配过程，导致效率低下，难以满足真实场景中对即时协作与泛化性能的双重需求。

图1 Haland训练与部署流程

为此，南京大学俞扬等人提出一种基于语言引导扩散模型的高效人机协作策略部署框架（Haland）。该框架利用自然语言作为人类意图与协作策略间的桥梁，通过强化学习训练多个针对不同行为风格队友的最优响应策略，并利用变分自编码器压缩策略参数至隐空间，再以潜在扩散模型在该空间内进行条件生成学习，实现从语言到策略的直接映射。通过引入任务相关语言表征与自然语言转换模块，Haland能够根据人类提供的自然语言指令生成相应的协作策略，在部署阶段无需额外交互或适配即可完成零样本协作。实验结果表明，Haland在多种人机协作环境中均显著优于传统基线方法，并在真实人类参与的实验中展现出良好的可理解性与协作偏好一致性。该研究为实现高效、可解释且具普适性的智能协作系统提供了新的技术路径，标志着人机协同从被动适配迈向主动理解与策略共生的新阶段。