基于涟漪下规则的人类中心目标推理
机器人学
2024-02-19 v1 人工智能
多智能体系统
摘要
ActorSim 是由美国海军研究实验室开发的目标推理框架。最初，所有目标推理规则均为手工编写。本文扩展了ActorSim，使其具备通过演示学习的能力，即当系统做出的决定被人类教练不同意时，教练可接替并展示正确的决定。学习组件采用涟漪下规则（Ripple-Down Rules, RDR）构建新的决策规则，以正确处理类似的未来案例。该系统采用RoboCup Rescue Agent Simulation进行演示，模拟城市范围的灾难场景，要求紧急服务（包括消防、救护车和警察）被派遣到不同场所，以从危险状况中疏散平民。RDR在一种脚本语言FrameScript中实现，用于在ActorSim与代理人模拟器之间进行中介。通过涟漪下规则，ActorSim能够处理规模为前一版本数量级更多的目标。
引用
@article{arxiv.2402.10224,
title = {Human-Centric Goal Reasoning with Ripple-Down Rules},
author = {Kenji Brameld and Germán Castro and Claude Sammut and Mark Roberts and David W. Aha},
journal= {arXiv preprint arXiv:2402.10224},
year = {2024}
}
备注
Proceedings of the Ninth Goal Reasoning Workshop (Advances in Cognitive Systems, 2021)