基于双半球 RL 智能体的优雅任务适应
机器学习
2024-07-17 v1 人工智能
摘要
在人类中，执行任务的责任逐渐从右半球转移到左半球。新奇-例程假设（NRH）指出，右半球和左半球分别用于执行新奇任务和例程任务，从而使我们能够以专业能力学习多样化的新任务。基于 NRH，我们开发了一个具有专用半球的强化学习智能体，能够利用来自右半球的通用知识，以避免在新任务上进行糟糕的初始表现。此外，我们发现该设计对学习新任务的能力几乎没有影响。我们通过识别对智能体的改进并探索向持续学习设置的扩展来作结。
引用
@article{arxiv.2407.11456,
title = {Graceful task adaptation with a bi-hemispheric RL agent},
author = {Grant Nicholas and Levin Kuhlmann and Gideon Kowadlo},
journal= {arXiv preprint arXiv:2407.11456},
year = {2024}
}