利用先验关系知识泛化至新物体
人工智能
2019-09-23 v2 计算与语言
摘要
为解决在新环境中涉及训练时未见物体的任务，智能体必须推理关于这些物体及其关系的先验信息。我们提出先验知识图网络，这是一种将结构化知识图中的先验信息与视觉场景的符号解析相结合的架构，并证明该方法能够将已学关系应用于新物体，而基线算法则失败。消融实验表明，智能体将知识图关系扎根于语义相关的行为。在推箱子游戏和更复杂的吃豆人环境中，我们的网络也比基线方法具有更高的样本效率，仅需5-10分之一的回合数即可达到相同性能。一旦智能体通过我们的方法完成训练，我们可以通过以语义上有意义的方式修改知识图来操控智能体行为。这些结果表明，我们的网络为智能体提供了一个在利用基于梯度的学习方法的同时，对结构化知识图进行推理的框架。
引用
@article{arxiv.1906.11315,
title = {Generalization to Novel Objects using Prior Relational Knowledge},
author = {Varun Kumar Vijay and Abhinav Ganesh and Hanlin Tang and Arjun Bansal},
journal= {arXiv preprint arXiv:1906.11315},
year = {2019}
}