基于层次化隐语言从演示中进行一次性学习
计算与语言
2022-03-10 v1
摘要
人类借助其语言的表现性组合能力，能够通过演示快速学习。他们能够描述未见过的任务执行过程，并将其执行推广到其他语境中。在本工作中，我们引入 DescribeWorld，一个旨在测试具身智能体此类泛化能力的环境，其中任务在语言和过程上由基本概念组合而成。智能体在类 Minecraft 的网格世界中观察单次任务演示，然后被要求在新地图中执行相同任务。为实现此种泛化水平，我们提出了一种注入层次化隐神经智能体——在任务推断和子任务规划两个层面均使用。我们的智能体首先生成对所演示未见任务的文本描述，然后利用该描述进行复现。通过多种评估场景和一套泛化测试，我们发现执行基于文本推断的智能体在任务随机划分下的挑战中更具优势。
引用
@article{arxiv.2203.04806,
title = {One-Shot Learning from a Demonstration with Hierarchical Latent Language},
author = {Nathaniel Weir and Xingdi Yuan and Marc-Alexandre Côté and Matthew Hausknecht and Romain Laroche and Ida Momennejad and Harm Van Seijen and Benjamin Van Durme},
journal= {arXiv preprint arXiv:2203.04806},
year = {2022}
}