旁观者之眼：改进基于文本的强化学习智能体的关系泛化能力
机器学习
2021-06-16 v2 计算与语言
摘要
基于文本的游戏（TBG）已成为展示在准真实世界设定中做决策的基于学习之智能体的热门试验场。此类 TBG 中强化学习智能体的问题关键在于识别世界中的物体，以及这些物体与世界的关系。尽管近期利用基于文本的资源来增加智能体知识并改进其泛化已显现前景，我们在本文中主张，从对这些相同世界的视觉表示中尚有许多可学之处。具体而言，我们提出检索代表世界中文本观测特定实例的图像，并基于此类图像训练智能体。这增进了智能体对游戏“场景”及物体与周遭世界关系的整体理解，且所提供的多样视觉表示使智能体能对一种关系生成更好的泛化。我们展示了融入此类图像可提升智能体在多种 TBG 设定中的表现。
引用
@article{arxiv.2106.05387,
title = {Eye of the Beholder: Improved Relation Generalization for Text-based Reinforcement Learning Agents},
author = {Keerthiram Murugesan and Subhajit Chaudhury and Kartik Talamadupula},
journal= {arXiv preprint arXiv:2106.05387},
year = {2021}
}