具备常识知识的基于文本的强化学习智能体：新挑战、环境与基线
人工智能
2020-10-09 v1 计算与语言
机器学习
摘要
基于文本的游戏已成为强化学习（RL）研究的重要试验台，要求 RL 智能体将接地语言理解与时序决策相结合。本文中，我们考察了将常识知识注入 RL 智能体的问题。此类知识可使智能体通过剪除不合理动作而在世界中高效行动，并进行前瞻式规划以确定当前动作如何影响未来世界状态。我们设计了一个名为 TextWorld Commonsense（TWC）的基于文本的新游戏环境，用于训练和评估具备关于物体、其属性及可供性的特定常识知识的 RL 智能体。我们还引入了若干基线 RL 智能体，其跟踪时序上下文并从 ConceptNet 动态检索相关常识知识。我们表明，在 TWC 中融入常识知识的智能体表现更优且行动更高效。我们开展了用户研究以估计人类在 TWC 上的表现，并表明未来仍有充足改进空间。
引用
@article{arxiv.2010.03790,
title = {Text-based RL Agents with Commonsense Knowledge: New Challenges, Environments and Baselines},
author = {Keerthiram Murugesan and Mattia Atzeni and Pavan Kapanipathi and Pushkar Shukla and Sadhana Kumaravel and Gerald Tesauro and Kartik Talamadupula and Mrinmaya Sachan and Murray Campbell},
journal= {arXiv preprint arXiv:2010.03790},
year = {2020}
}