”Creating Multi-Level Skill Hierarchies in Reinforcement Learning” by Joshua B. Evans
Was ist eine sinnvolle Kompetenzhierarchie für einen autonomen Agenten? In diesem Vortrag werden wir eine mögliche Antwort auf der Grundlage einer grafischen Darstellung der Interaktion zwischen einem Agenten und seiner Umgebung untersuchen. Der vorgeschlagene Ansatz verwendet Modularitätsmaximierung als zentrales Organisationsprinzip, um die Struktur des Interaktionsgraphen auf mehreren Abstraktionsebenen darzustellen. Das Ergebnis ist eine Sammlung von Fertigkeiten, die auf unterschiedlichen Zeitskalen operieren und in einer Hierarchie organisiert sind, wobei Fertigkeiten, die auf längeren Zeitskalen operieren, aus Fertigkeiten zusammengesetzt sind, die auf kürzeren Zeitskalen operieren. Die gesamte Skill-Hierarchie wird automatisch und ohne menschliches Zutun generiert, einschließlich der Skills selbst (ihr Verhalten, wann sie aufgerufen werden können und wann sie beendet werden) sowie die hierarchische Abhängigkeitsstruktur zwischen ihnen. In einer Vielzahl von Umgebungen erzeugt dieser Ansatz Fertigkeitshierarchien, die intuitiv ansprechend sind und die die Lernleistung von Agenten, die Zugang zu ihnen haben, erheblich verbessern.
Dieser Vortrag findet in englischer Sprache statt.
Der Exzellenzcluster ”Science of Intelligence (SCIoI)” ist Teil der Exzellenzstrategie von Berlin University Alliance.
Ansprechperson
Maria Ott, Press + Communication Officer, Science of Intelligence (SCIoI), Technische Universität Berlin
Zeit & Ort
02.05.2024 | 10:00 - 11:00
MAR Building, Marchstraße 23, 10587 Berlin
Room: MAR 2.057