用于学习符号表示的主动探索
人工智能
2017-11-02 v2
摘要
我们提出了一种在线主动探索算法，用于以数据高效的方式学习环境的抽象符号模型。我们的算法分为两部分：第一部分从智能体迄今收集的数据中快速生成一个中间贝叶斯符号模型，智能体随后可将该模型与第二部分的引导结合，将其未来探索导向状态空间中模型不确定的区域。我们展示了我们的算法在两个不同的计算机游戏领域优于随机和贪婪探索策略。第一个领域是受 Asteroids 启发的游戏，具有复杂动态但基础逻辑结构。第二个是 Treasure Game，具有较简单动态但更复杂逻辑结构。
引用
@article{arxiv.1709.01490,
title = {Active Exploration for Learning Symbolic Representations},
author = {Garrett Andersen and George Konidaris},
journal= {arXiv preprint arXiv:1709.01490},
year = {2017}
}