一台具备类人记忆系统的机器

Apr, 2022

A Machine With Human-Like Memory Systems

Taewoon Kim, Michael Cochez, Vincent Francois-Lavet, Mark Neerincx, Piek Vossen

TL;DR本研究基于认知科学理论显式建模了一个拥有语义记忆和情景记忆系统的智能体，并展示了这种智能体比仅有其中一个记忆系统更优秀的性能表现。通过 OpenAI Gym 兼容的 “the Room” 环境，我们让智能体学习如何编码、存储和检索记忆，以最大化其奖励。该环境允许机器与人类合作，我们发现两个智能体合作能够获得比一个智能体单独行动更好的性能表现。我们已经在开源平台提供了我们的代码和模型。

Abstract

Inspired by the cognitive science theory, we explicitly model an agent with both semantic and episodic memory systems, and show that it is better than having just one of the two memory systems. In order to show t

cognitive science semantic memory episodic memory the room hybrid intelligence

发现论文，激发创造

短时、情节性和语义记忆系统的机器

使用认知科学理论作为参考，研究者构建了一种基于知识图谱的具有短期、情节和语义记忆系统的智能体，并通过深度 Q 学习方法来使这个智能体在自己设计的强化学习环境中学会如何驾驭记忆来最大效益地回答问题。结果表明，与没有类似记忆结构的智能体相比，拥有人类式记忆系统的智能体在该环境下的表现更为出色。

Dec, 2022

机器人认知架构的记忆系统及其在 ArmarX 中的实现

本论文针对认知机器人控制架构中的知识管理问题，提出了一种支持感知运动表示和语义表示之间中介和提供数据驱动服务的内在记忆结构，并且对基于该结构的 ArmarX 机器人软件框架进行了评估。

Jun, 2022

构建和测试在人形机器人中体现的通用智能

构建和测试人类智能水平的机器是一项具有重要经济激励的科学大挑战，我们介绍了我们的方法，包括物理人形机器人系统、基于软件的控制系统、衡量人形机器人智能的性能指标 g + 和用于逐步提高该性能指标得分的进化算法，并报告了该系统的 g + 指标的当前和历史测量结果。

Jul, 2023

目标导向智能体的无监督预测记忆

本文介绍了一个新的模型 MERLIN，其通过利用可预测的建模引导记忆形成，使单一的学习智能体架构能够在心理学和神经生物学中解决基本行为任务。

Mar, 2018

无模型的情节控制

本文探讨海马海马记忆控制应用于深度加强学习，证明该应用比现有的加强学习算法更快地高效解决了一些复杂的连续决策任务。

Jun, 2016

具备共享情节记忆的持续和多任务强化学习

本文介绍了一种神经架构 (SEM)，其包含共享追忆存储器的模型，便于在多项任务中学习并顺序执行，实现持续学习和在同一环境中获取新技能的效果。

May, 2019

USA-Net: 机器人记忆的统一语义和可负担表示

本研究提出了一种简单的方法来构造一个可微分的世界表示，该表示将场景的语意和空间可负载特征编码成一个映射表，从而实现了同时优化场景语意和可负载特征的端到端可微规划。

Apr, 2023

建造像人类一样学习和思考的机器

本文综述认知科学的进展，提出了人工智能领域需要实现的目标和面临的挑战，即建立支持解释和理解的世界因果模型，以及将学习基于物理和心理直觉理论，使用组合性和学习来学习以适应新的任务和情况

Apr, 2016

基于任务条件超网络的多任务时序记忆深度强化学习

为了解决深度强化学习算法中的采样效率问题，本文提出了一种新的基于任务调节超网络的检索网络算法，并通过在 MiniGrid 环境下的实验结果验证了其胜于传统算法的性能表现。

Jun, 2023

情节记忆问答

通过 Episodic Memory Question Answering (EMQA) 任务以及一系列数据集和模型的介绍，本文阐述了在面向家居环境下，使用智能语音助手等 AR 设备进行信息沟通的场景中，利用换人的机器学习算法，更好地实现 AI 视觉辅助的目标。

May, 2022