用于符号知识自主生成的选项发现
人工智能
2022-06-07 v1
摘要
在这项工作中，我们提出一项实证研究，展示了开发能够自主探索实验场景的人工智能体的可能性。在探索过程中，该智能体能够发现并学习有趣的选项，从而在无任何预设目标的情况下与环境交互，进而抽象并复用所获得的知识以解决可能事后分配的任务。我们在近期文献所述的所谓 Treasure Game 领域中测试该系统，并实证表明所发现的选项可被抽象为一个概率符号规划模型（使用 PPDDL 语言），这使智能体能够生成符号规划以实现外在目标。
引用
@article{arxiv.2206.01815,
title = {Option Discovery for Autonomous Generation of Symbolic Knowledge},
author = {Gabriele Sartor and Davide Zollo and Marta Cialdea Mayer and Angelo Oddi and Riccardo Rasconi and Vieri Giuliano Santucci},
journal= {arXiv preprint arXiv:2206.01815},
year = {2022}
}