带情绪地玩：情感驱动的强化学习

本文通过将情感建模任务视为强化学习（RL）过程，引入了范式转变。根据所提范式，RL智能体通过尝试在与环境（即上下文）的交互中最大化一组奖励（即行为与情感模式）来学习策略（即情感交互）。我们的假设是，RL是一种将情感诱发与表达同行为与情感示范交织起来的有效范式。重要的是，我们的第二个假设——基于达马西奥的躯体标记假说——是情绪可以成为决策的促进者。我们在一个竞速游戏中检验了我们的假设，通过训练Go-Blend智能体来建模人类唤醒与行为的示范；Go-Blend是Go-Explore算法的改进版本，该算法近期在困难探索任务中展现了卓越性能。我们首先改变基于唤醒的奖励函数，观察到智能体能够根据指定奖励有效展示一系列情感与行为模式。随后我们使用基于唤醒的状态选择机制来偏置Go-Blend所探索的策略。我们的发现表明，Go-Blend不仅是一种高效的情感建模范式，更重要的是，情感驱动的RL改善了探索并产生了性能更高的智能体，从而在游戏领域验证了达马西奥的假说。