本文探讨了智能物理系统作为具有体验认知的系统必须在管理底层控制架构的同时执行高级推理的问题,并提出了解决多目标操作相互协作的机制。
Jan, 2022
该研究提出了一个可从弱注释数据中学习有用子目标的框架,以支持高效长期规划以实现新目标,该框架的核心是基于环境状态的理性子目标 (RSGS),它们可以被指定为 A * 或 RRT 等规划算法的中间点,并显著提高规划效率。
Mar, 2023
本文模拟了人类如何通过观察复杂动作序列来推断子目标,结合非参数贝叶斯模型进行了行为实验,证明了该模型在推断人类子目标方面的高准确性和较好的效果,同时还模拟了使用子目标学习和推断在人工用户辅助任务中如何提高性能。
Dec, 2015
本文从认知理论的角度扩展了目标导向脚本生成的任务,并提出了基于子目标的层次化组织方法。研究者们贡献了一个新的数据集,并提出了几种基线方法和评估指标,表明了子目标与层次化脚本生成的有效性。此外,研究者们还设计和评估了发现子目标的模型,并发现此过程比从分段步骤中进行摘要更加困难。
May, 2023
本研究提出了一种将想象中的子目标融入策略学习中的方法,以促进解决需要更复杂的任务,并在机器人导航和操作任务中进行的实验表明其比现有方法表现更好。
Jul, 2021
本文提出了基于信息理论思想的有限理性理论,并提供了将自由能量函数作为表征有限理性决策的目标函数的概念上的理据。该文讨论了单步决策以及如何使用等价变换将其扩展到序贯决策,扩展后得到的类别决策问题非常广泛,包括古典决策规则等极限情况以及可信和风险敏感规划。
提出了一种规范性的任务分解框架,发现人类的任务分解行为更符合这个框架且最符合一个被证明是合理的启发式 —— 介数中心性。
Nov, 2022
讨论在计算能力不足时使用替代逼近过程和启发式方法以及使用用户效用结构对推理进行量身定制来平衡部分结果的成本和收益的应用决策理论来解决困难问题的解决方案。
Mar, 2013
通过两个实验,本文将计划的计划表述为元推理问题,并用一个递归贝尔曼目标来形式化计划。 我们的研究成果在规划、状态抽象和认知控制方面提供了新的见解。
Feb, 2020
本文使用非单调推理和计算机科学中的答案集编码(ASP)来形式化作为认知原则的文献发现,建立一个名为‘plausibility’的推理概念,并将其用于测试现有实验的效果并解释不同的多数响应。
May, 2022