摘要

在许多多智能体时空系统中，智能体在共享但未观察到的变量（例如，在篮球比赛中团队执行的战术）的影响下运行。因此，智能体在任何给定时间步的轨迹通常具有统计依赖性；然而，几乎普遍存在的问题是，多智能体模型隐含地假设每个时间步的智能体轨迹是统计独立的。本文中，我们引入了 baller2vec++，这是一种能够有效建模协调智能体的多实体 Transformer。具体而言，baller2vec++ 应用了一种特别设计的自注意力掩码来处理位置和“前瞻”轨迹序列的混合，以学习统计依赖性智能体轨迹的分布。我们展示了与 baller2vec（baller2vec++ 的前身）不同的是，baller2vec++ 能够学习模拟在仿真玩具数据集中完全协调的智能体的行为。此外，在建模职业篮球运动员的轨迹时，baller2vec++ 显著优于 baller2vec。