Nov, 2023

通过程序生成探索人类计划的层次结构

PDF
TL;DR人类的行为具有层次性，通过将任务分解为子任务或将抽象行为分解为具体行为而产生。本文通过观察人们生成具有明确层次结构的行动序列的程序，探究人们如何形成层次结构的计划，并发现人类在计划时对效用最大化和最小描述长度两个指标敏感，但同时具有超越最小描述长度的重用性偏好，可以通过将最小描述长度模型扩展为对程序的生成模型来解释。此模型可以最好地预测人类行为，突出了指导层次规划的原则。
发现论文，激发创造
  • 从多个世代的人类中学习层次规划器

    机器学习中的自然编程通过结合基于程序的学习和分层规划，通过使用语言提示来指导规划提案的概率分布，从而实现了从不同用户和环境中学习并快速适应和解决更复杂任务的目标分解与复杂任务的解决。

    Oct, 2023

  • 人类通过权衡效用和计算成本来分解任务

    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

  • 目标作为产出奖励的程序

    人类能够生成自己的目标，通过收集人类生成的有趣目标并将它们建模为产生奖励的程序，通过程序合成生成新的类人目标，我们构建了一个生成模型，人类评估者发现模型生成的目标与人类创建的游戏无法区分，同时我们发现模型的内部适应度得分可以预测出更有趣、更类人的游戏。

    May, 2024

  • 用于自主机器人的层级生成建模

    用分层生成模型实现人类灵感的机器人运动控制与自主完成目标驱动任务。

    Aug, 2023

  • 运动程序的分层运动理解

    本研究提出了运动编程，一种表示运动的高级抽象，包括基于视频的自动诱导和视频合成的系统，可用于改善下游的运动分析任务，并对视频插值和预测等下游任务产生积极影响，同时能够检测各种重复的动态方式并促进交互式视频编辑。

    Apr, 2021

  • 心智理论：逆向规划探寻群体行为

    本文提出了一个基于 Composable Team Hierarchies 的生成式模型，通过贝叶斯推理来推断潜在的关系并预测多个智能体在空间随机游戏中的行为，该算法可以迅速恢复智能体之间如何相关的基本模型，算法的推理模式与人类判断非常相似。

    Jan, 2019

  • 分层神经程序合成

    本文提出了一种可扩展的程序合成框架，通过层级组合程序实现程序合成，该框架可以从输入 / 输出对中合成比之前更长、更复杂的程序，并通过任务嵌入空间和程序解码器将任务嵌入解码为程序。

    Mar, 2023

  • 基于深度分层生成学习的人工智能自动城市规划

    本文提出了一种基于深度生成学习和人类指导的深层次生成模型来解决传统城市规划中的一些局限性，通过标记实现从目标区域到分区再到网格的三级生成过程，包括感知规划需求、功能投影和多关注模型等来生成网格水平的土地利用配置。

    Dec, 2022

  • 分层计划推理摘要信息补充

    本文介绍了一种机制，用于从给定的计划层次结构中推导先决条件和效果总结，并提供了结构数据和算法，以在传统计划器与抽象计划中相互使用。

    Aug, 2017

  • 通过策略梯度优化手动设计的符号接地和高层规划

    该论文提出了一种自动细化符号接地函数和高层规划器以减少人工设计这些模块的人工工作量的框架，利用基于手动设计知识库的半马尔科夫决策过程建模符号接地和高层规划，并应用策略梯度方法来细化这些模块以产生适当的可解释规划。

    Sep, 2018