具身强化学习的层次化原理：综述
人工智能
2022-08-19 v2
摘要
认知心理学及相关学科已识别出若干关键机制，使智能生物体能学会解决复杂问题。有紧迫证据表明，使这些物种具备问题解决能力的认知机制建立在层次化心理表征之上。在为人工智能体与机器人提供可比的基于学习的问题解决能力方面，最有前景的计算方法是层次化强化学习。然而，现有计算方法迄今仍未能赋予人工智能体可与智能动物（包括人类与非人灵长类、乌鸦或章鱼）相比的问题解决能力。在此，我们首先调研认知心理学及相关学科的文献，发现许多重要心理机制涉及组合抽象、好奇心和前向模型。随后我们将这些洞见与当代层次化强化学习方法相关联，并识别出实现这些机制的关键机器智能方法。作为主要结果，我们表明所有重要认知机制均已在孤立的计算架构中分别实现，仅仅是缺乏适当整合它们的方法。我们期望我们的结果能指导更具 sophistication 的受认知启发的层次化方法的开发，使未来人工智能体达到智能动物水平的问题解决表现。
引用
@article{arxiv.2012.10147,
title = {Hierarchical principles of embodied reinforcement learning: A review},
author = {Manfred Eppe and Christian Gumbsch and Matthias Kerzel and Phuong D. H. Nguyen and Martin V. Butz and Stefan Wermter},
journal= {arXiv preprint arXiv:2012.10147},
year = {2022}
}