集成多样知识源用于新任务的在线一次性学习

自主智能体能够利用广泛的潜在任务知识来源；然而当前方法 invariably 只关注其中一两种。在此我们研究利用多样知识源为模拟办公室移动机器人在线、一次性学习新任务的挑战与影响。由此产生的智能体在 Soar 认知架构中开发，使用了以下领域与任务知识源：与环境的互动、任务执行与搜索知识、人类自然语言指令，以及从大语言模型（GPT-3）检索的响应。我们探究这些知识源的独特贡献，并从学习正确任务知识与人类工作量的角度评估不同组合的性能。结果表明，智能体对多样知识源的在线集成总体上改善一次性任务学习，减少了快速可靠任务学习所需的人类反馈。