多时间尺度世界模型
机器学习
2023-12-05 v3 人工智能
摘要
智能体使用内部世界模型在多种尺度上推理并预测其不同行动过程。设计允许机器学习在多个时间抽象层级上运行、同时处理复杂不确定性预测的世界模型的学习范式与架构，是一个主要技术障碍。本文提出一种概率形式化方法以学习多时间尺度世界模型，我们称之为多时间尺度状态空间（MTS3）模型。我们的模型在多个时间尺度上使用计算高效的推断方案，以实现高度准确的长期预测及对未来数秒的不确定性估计。我们的实验聚焦于动作条件长期未来预测，表明 MTS3 在包括复杂模拟与真实世界动力系统在内的多个系统辨识基准上优于近期方法。代码可在此仓库获取：https://github.com/ALRhub/MTS3。
引用
@article{arxiv.2310.18534,
title = {Multi Time Scale World Models},
author = {Vaisakh Shaj and Saleh Gholam Zadeh and Ozan Demir and Luiz Ricardo Douat and Gerhard Neumann},
journal= {arXiv preprint arXiv:2310.18534},
year = {2023}
}
备注
Accepted as spotlight at NeurIPS 2023