强化学习智能体与机器人中的情感：综述
机器学习
2017-11-30 v1 人工智能
人机交互
机器人学
机器学习
摘要
本文提供了首个关于强化学习（RL）智能体中情感计算模型的综述。该综述聚焦于智能体/机器人情感，并基本忽略人类用户情感。情感被认识到在决策中具有功能性，通过影响动机与动作选择发挥作用。因此，计算情感模型通常立足于智能体的决策架构，而RL是其重要子类。在基于RL的智能体中研究情感对三个研究领域有益：对机器学习（ML）研究者而言，情感模型或可提升学习效率；对交互式ML与人机交互（HRI）群体而言，情感能够传达状态并增强用户投入；最后，它使情感建模（AM）研究者能在成功的AI智能体类别中检验其情感理论。本综述提供情感理论与RL的背景知识。它系统性地探讨：1）情感可由哪些潜在维度（如稳态、评价）衍生并如何在RL智能体中建模；2）从这些维度衍生出了哪些类型的情感；3）这些情感如何影响智能体的学习效率或作为社交信号发挥作用。我们还系统性比较评估标准，并联系到重要的RL子领域如（内在）动机与基于模型的RL。简言之，本综述既为希望在其RL智能体中实现情感的工程师提供实践性概览，也指明了未来情感-RL研究的挑战与方向。
引用
@article{arxiv.1705.05172,
title = {Emotion in Reinforcement Learning Agents and Robots: A Survey},
author = {Thomas M. Moerland and Joost Broekens and Catholijn M. Jonker},
journal= {arXiv preprint arXiv:1705.05172},
year = {2017}
}
备注
To be published in Machine Learning Journal