Seiji Shaw

新方法使人工智能代理能够学习复杂的隐藏状态系统

研究人员开发了一种新方法，使自主代理能够学习和推理具有隐藏状态的系统，这个问题通常被表述为学习离散的部分可观察马尔可夫决策过程（POMDP）。代理从POMDP的动作和观察空间知识开始，但必须从顺序数据中构建其状态空间、转移和观察模型。所提出的方法基于预测状态表示（PSRs）等谱方法，通过张量分解估计相似变换来学习POMDP矩阵。该方法允许在模型学习后为不同的目标和奖励函数生成新计划，并且还表明仅从顺序数据中学习超出状态分区的POMDP是不可能的。