Mathias Jackermeier

新研究通过结构化LTL表示解决RL中的零样本指令遵循问题 · 跟踪2个来源

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。