两篇新研究论文探讨了在子符号环境中训练强化学习（RL）代理以遵循复杂、时间跨度长的指令的方法。第一篇论文介绍了一种联合训练多任务策略和符号接地器的方法，其性能与假设已知真实符号接地的方法相当。第二篇论文提出了一种使用结构化任务表示的新方法，该方法将策略条件化为布尔公式序列，并采用具有注意力机制的分层神经网络架构来推理未来的子目标。这两种方法都旨在提高强化学习中指令遵循的零样本泛化能力。 AI
影响 这些方法可以使更强大的AI代理能够理解和执行现实场景中复杂的多步指令。
排序理由 两篇在arXiv上发表的学术论文，详细介绍了强化学习指令遵循的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2602.09761v2 Announce Type: replace-cross Abstract: In this work we address the problem of training a Reinforcement Learning agent to follow multiple temporally-extended instructions expressed in Linear Temporal Logic in sub-symbolic environments. Previous multi-task work h…
arXiv:2602.14344v2 Announce Type: replace-cross Abstract: We study instruction following in multi-task reinforcement learning, where an agent must zero-shot execute novel tasks not seen during training. In this setting, linear temporal logic (LTL) has recently been adopted as a p…