Jelly Bean World：一个用于永不停歇学习的测试平台
机器学习
2020-02-18 v1 人工智能
多智能体系统
机器学习
摘要
近年来机器学习取得了日益增长的成功。然而，当前的机器学习系统高度专门化，针对特定问题或领域训练，并且通常在单一狭窄数据集上。另一方面，人类学习具有高度通用性和适应性。永不停歇学习是一种旨在弥合这一差距的机器学习范式，其目标是鼓励研究者设计能够在更复杂环境中学习执行更广泛互相关联任务的机器学习系统。迄今为止，还没有环境或测试平台来促进永不停歇学习系统的开发与评估。为此，我们提出了 Jelly Bean World 测试平台。Jelly Bean World 允许在充满物品且智能体可导航的二维网格世界上进行实验。该测试平台提供了足够复杂的环境，其中更具通用智能的算法应当优于当前最先进的强化学习方法。它通过产生非平稳环境并促进多任务、多智能体、多模态和课程学习设置的实验来实现这一点。我们希望这个新的免费可用软件将促使关于永不停歇学习系统以及更广泛地通用智能系统的开发与评估的新研究和兴趣。
引用
@article{arxiv.2002.06306,
title = {Jelly Bean World: A Testbed for Never-Ending Learning},
author = {Emmanouil Antonios Platanios and Abulhair Saparov and Tom Mitchell},
journal= {arXiv preprint arXiv:2002.06306},
year = {2020}
}
备注
Published as a conference paper at ICLR 2020