以人类演示引导内在动机学习的自举方法
机器学习
2019-02-01 v1 人工智能
机器人学
摘要
本文研究内部引导学习与社会交互的结合，更具体地说，研究演示对内在动机学习的改进作用。我们提出了基于演示的社会引导内在动机算法（SGIM-D），一种用于在连续、无界且非预设环境中学习的算法。在介绍社会学习与内在动机之后，我们描述了算法的设计，并通过一个钓鱼实验表明，SGIM-D 有效地结合了社会学习与内在动机的优势，既能获得广泛的行为库，又能在特定子空间中实现专精。
引用
@article{arxiv.1112.1937,
title = {Bootstrapping Intrinsically Motivated Learning with Human Demonstrations},
author = {Sao Mai Nguyen and Adrien Baranes and Pierre-Yves Oudeyer},
journal= {arXiv preprint arXiv:1112.1937},
year = {2019}
}
备注
IEEE International Conference on Development and Learning, Frankfurt : Germany (2011)