LOA：面向文本交互游戏的逻辑最优动作

Daiki Kimura; Subhajit Chaudhury; Masaki Ono; Michiaki Tatsubori; Don Joven Agravante; Asim Munawar; Akifumi Wachi; Ryosuke Kohita; Alexander Gray

LOA：面向文本交互游戏的逻辑最优动作

人工智能 2021-10-22 v1 计算与语言机器学习机器人学

作者: Daiki Kimura , Subhajit Chaudhury , Masaki Ono , Michiaki Tatsubori , Don Joven Agravante , Asim Munawar , Akifumi Wachi , Ryosuke Kohita , Alexander Gray

在 arXiv 上查看 ↗ PDF ↗

摘要

我们提出逻辑最优动作（LOA），一种用于强化学习应用的动作决策架构，采用神经-符号框架，该框架结合了神经网络与用于自然语言交互游戏的符号知识获取方法。LOA 实验的演示包含一个基于 Web 的文本游戏交互平台，以及用于提升训练规则可解释性的已获取知识可视化。该演示还提供了一个对比模块，可在相同文本游戏上与其他神经-符号方法以及非符号的最先进智能体模型进行比较。我们的 LOA 还提供了 Python 开源实现，用于强化学习环境，以促进对神经-符号智能体的研究实验。代码：https://github.com/ibm/loa

关键词

逻辑最优动作神经-符号框架强化学习文本游戏自然语言交互知识获取可解释性

引用

@article{arxiv.2110.10973,
  title  = {LOA: Logical Optimal Actions for Text-based Interaction Games},
  author = {Daiki Kimura and Subhajit Chaudhury and Masaki Ono and Michiaki Tatsubori and Don Joven Agravante and Asim Munawar and Akifumi Wachi and Ryosuke Kohita and Alexander Gray},
  journal= {arXiv preprint arXiv:2110.10973},
  year   = {2021}
}

备注

ACL-IJCNLP 2021 (demo paper)

LOA：面向文本交互游戏的逻辑最优动作

摘要

关键词

引用

备注

相关论文