学习对物理级联事件进行推理与行动
人工智能
2023-07-25 v2
摘要
在动态环境中推理与交互是AI中的一个基本问题，但当动作可触发相互交叉依赖事件的级联时，它变得极具挑战性。我们引入一种称为{\em Cascade}的新监督学习设定，其中向智能体展示一段物理模拟动态场景的视频，并要求其进行干预并触发事件级联，使系统达到“反事实”目标。例如，可能要求智能体“通过推动绿色球使蓝色球击中红色球”。智能体干预从连续空间中抽取，而事件级联使动力学高度非线性。我们将语义树搜索与事件驱动前向模型相结合，并设计了一种在连续空间中学习于语义树中搜索的算法。我们证明，我们的方法学会了有效遵循指令以在先前未见过的复杂场景中进行干预。当提供观测到的事件级联时，它也能对替代结果进行推理。
引用
@article{arxiv.2202.01108,
title = {Learning to reason about and to act on physical cascading events},
author = {Yuval Atzmon and Eli A. Meirom and Shie Mannor and Gal Chechik},
journal= {arXiv preprint arXiv:2202.01108},
year = {2023}
}