Oct, 2022

面向可定制化强化学习代理的在线词汇扩展：实现偏好规定

PDF
TL;DR本文提出了 PRESCA 系统，使用概念学习以及因果关联和数据增强等方法，让用户更轻松地通过概念来指定其对自动化代理的偏好，并在 Minecraft 环境中验证其有效性。
automated agentspreference specificationconcept acquisitioncausal associationsdata augmentation
发现论文，激发创造
  • 在线偏好中的积极奖励学习

    为了实现机器人在不同环境和人类偏好中的适应性，本研究提出了在线稀疏二元偏好查询的方法，通过设计查询和决定何时呈现查询来最大化查询结果的信息价值，从而使得机器人能够快速适应实际应用场景并减轻人类专家的负担，在模拟，人类用户研究和真实机器人实验中，该方法表现优于传统技术并减少人类专家的查询负担。

    Feb, 2023

  • 一种用于基于偏好奖励学习的泛化获取函数

    优化查询方法在学习奖励函数上的表现优于信息增益方法。

    Mar, 2024

  • 如何与人工智能对话：指令，描述和自主性

    研究从语言中学习以实现语言使用与机器智能的价值对齐，分析了两种不同类别的语言，即指令和描述，运用上下文强化学习进行形式化的建模，并且验证了这种社会学习方法在传统的强化学习任务中可以降低遗憾值。

    Jun, 2022

  • 实用特征偏好：从人类输入中学习与奖励相关的偏好

    通过研究人类社会学习观点，将社会背景纳入考虑，并提出了一种从用户特征层次偏好中学习更精确奖励模型的方法，结果表明这种方法能够更高效地与用户对齐并获得准确的奖励。

    May, 2024

  • 偏好条件下的语言引导抽象

    使用语言模型查询来构建状态抽象，以捕捉机器人学习中人类偏好的变化和指导，通过在模拟实验、用户研究和移动操作任务中的应用来证明其有效性。

    Feb, 2024

  • PREDILECT: 在强化学习中利用零样本语言推理揭示偏好

    基于偏好的强化学习已成为机器人学习中的一个新领域，其中人类通过表达对不同状态 - 动作序列的偏好，对机器人行为起到关键作用。为了应对机器人实际政策制定的要求，我们通过扩展每个查询收集的信息，包括偏好和可选的文本提示，解决了样本效率挑战。为了处理额外的查询信息，我们重新制定了奖励学习目标，包含灵活的重点内容 —— 那些包含相对高信息量并与预训练语言模型从文本中零 - shot 处理的特征相关的状态 - 动作对。通过模拟场景和用户研究，我们分析了反馈及其影响，揭示了我们工作的有效性。此外，收集到的集体反馈有助于在模拟的社交导航环境中对机器人进行社会合规轨迹训练。我们提供了训练策略的视频示例，网址为 https:// 此处替换为视频链接

    Feb, 2024

  • 从视觉演示中学习偏好概念

    该研究论文介绍了偏好学习的问题，通过视觉输入学习用户特定偏好，并提出了一种名为 Synapse 的新框架，通过神经符号方法从有限的演示中高效学习首选概念。通过广泛的实验证明，Synapse 在现有基准以及自身的修改版本上表现出色，特别针对机器人移动和自动驾驶的移动相关概念。

    Mar, 2024

  • 批量主动学习基于人类偏好的奖励函数

    通过批次主动的偏好学习方法，本研究开发了一组新的算法，能够有效学习奖励函数并在短时间内生成少量查询，实验结果表明该算法在机器人学习中的多种任务上表现良好。

    Feb, 2024

  • 通过使用相关问题在对话式推荐系统中征求用户偏好

    该研究论文提出了一种基于使用情况的隐式问题提取方法，利用大型评论语料库中的句子和神经文本转换模型生成问题，以更有效地收集用户偏好，通过众包方式完成多阶段数据注释协议以准确标记神经模型训练数据，并进行了模型性能分析。

    Nov, 2021

  • ELLA: 通过学习语言抽象进行探索

    ELLA 是一种基于奖励塑形的方法，在语言指令与简单低级组成件之间建立相关性，以提高稀疏奖励环境下机器人智能体的样本效率。

    Mar, 2021