基于少量样本的神经符号仿射学习用于长期规划与行动

仿射学习使智能系统能够以最小监督获取复杂行为。然而，现有方法往往聚焦于短期技能，需要大量数据集，且难以解决长期任务或在任务变化和分布迁移中的泛化。我们提出一种新型神经符号框架，能够从少量技能演示中联合学习连续控制策略和符号域抽象。我们的方法将高层任务结构抽象为图形，通过 Answer Set Programming 求解器发现符号规则，并使用扩散策略仿射学习训练低层控制器。高层 oracle 通过筛选任务相关信息，使每个控制器聚焦于最小的观察与动作空间。我们的图形化神经符号框架能够捕获复杂的状态转换，包括非空间和时间关系，这些在有限演示数据集中常常难以发现的数据驱动学习或聚类技术难以发现。我们在六个领域进行验证，这些领域涉及四个机器人臂、堆叠、厨房、装配以及塔塔赫金色子环境，以及一个独特的自动叉车领域包含两个环境。结果表明，我们在仅需五个技能演示即可实现高数据效率，具备强大的零样本和少样本泛化能力，并具备可解释的决策。