一种可扩展的智能体设计交互式界面
机器学习
2019-08-09 v3 人机交互
机器人学
机器学习
摘要
在人工智能中，我们常通过奖励函数指定任务。虽然这在某些设定下效果良好，许多任务难以用此方式指定。例如，在深度强化学习中，直接将奖励指定为高维观测的函数具有挑战性。相反，我们提出了一种使用演示交互式指定任务的界面。我们的方法定义了一组递增复杂度的策略。该界面允许用户在固定间隔切换这些策略，以生成新颖、更复杂的任务演示。我们基于这些演示训练新策略并重复该过程。我们在Lunar Lander领域给出了我们方法的案例研究，并表明这一简单方法能快速学习成功的着陆策略，且优于一种现有的基于比较的深度RL方法。
引用
@article{arxiv.1906.02641,
title = {An Extensible Interactive Interface for Agent Design},
author = {Matthew Rahtz and James Fang and Anca D. Dragan and Dylan Hadfield-Menell},
journal= {arXiv preprint arXiv:1906.02641},
year = {2019}
}
备注
Presented at 2019 ICML Workshop on Human in the Loop Learning (HILL 2019), Long Beach, USA