面向具有内在反馈的交互式强化学习
人工智能
2024-04-18 v3 人机交互
机器学习
摘要
强化学习(RL)与脑机接口(BCI)在过去十年中经历了显著增长。随着人对回路(HITL)兴趣的上升，将人类输入与 RL 算法相结合催生了交互式 RL 这一子领域。相邻地，BCI 领域长期以来一直致力于从神经活动中提取信息性脑信号以用于人机交互。这些领域之间的一个关键联系在于将神经活动解释为反馈，从而可采用交互式 RL 方法。我们将这种崭新且新兴的反馈媒介称为内在反馈。尽管内在反馈能够自动甚至无意识地传达，但围绕这一关键联系的恰当探索在很大程度上未被两个社群所解决。因此，为促进更深层次的理解与更有效的利用，我们提供了一篇教程式综述，涵盖内在反馈及其基础概念的动机、方法与开放问题。
引用
@article{arxiv.2112.01575,
title = {Towards Interactive Reinforcement Learning with Intrinsic Feedback},
author = {Benjamin Poole and Minwoo Lee},
journal= {arXiv preprint arXiv:2112.01575},
year = {2024}
}
备注
Name change and vast rewrites of the paper