在本论文中,我们概述了智能体如何利用其预训练知识,在特定环境中高效运行,并聚焦于感知、认知与元认知三个核心方面。第 1 章引入了研究主题,并确立了**情境化智能体运行(situated agent operation)的概念。 第 2 章与第 3 章探讨了智能体的感知能力。第 2 章研究了智能体如何利用常识来解释不完整或模糊的感知数据,从而实现智能的导航与探索。第 3 章进一步分析了智能体在面临新环境背景时,如何运用物理常识调整其感知策略。 第 4 章与第 5 章评估了智能体在理解与执行情境化语言指令(situated language instructions)**方面的认知能力。第 4 章聚焦于具身对话(embodied dialogue),探讨了由不同训练机制构建的智能体在动态对话场景中如何处理与响应指令。第 5 章则研究了智能体在执行情境化指令时面临的挑战,特别是在用户意图模糊或信息不完整的情况下。 第 6 章关注元认知,通过提出一个训练框架,使智能体能够识别自身能力的局限性,并在合适的时机主动请求帮助。我们将元认知式请求帮助的问题形式化为一个强化学习任务,同时优化奖励函数与请求帮助的策略。

成为VIP会员查看完整内容
10

相关内容

具身智能是指一种基于物理身体进行感知和行动的智能系统,其通过智能体与环境的交互获取信息、理解问题、做出决策并实现行动,从而产生智能行为和适应性。
【UCSD博士论文】可控且高效的视觉生成
专知会员服务
17+阅读 · 5月12日
【CMU博士论文】学习匹配模型
专知会员服务
28+阅读 · 2024年12月17日
【阿姆斯特丹博士论文】深度学习在医疗数据中的应用
专知会员服务
25+阅读 · 2024年7月18日
【博士论文】连接状态和行动:迈向持续强化学习
专知会员服务
24+阅读 · 2024年1月31日
斯坦福CS236-深度生成模型2019-全套课程资料分享
深度学习与NLP
20+阅读 · 2019年8月20日
斯坦福 | 156页PDF讲解【神经网络阅读理解】
机器学习算法与Python学习
14+阅读 · 2018年12月16日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
12+阅读 · 2013年12月31日
国家自然科学基金
16+阅读 · 2012年12月31日
国家自然科学基金
48+阅读 · 2009年12月31日
Arxiv
170+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
472+阅读 · 2023年3月31日
Arxiv
78+阅读 · 2023年3月26日
Arxiv
171+阅读 · 2023年3月24日
Arxiv
24+阅读 · 2023年3月17日
VIP会员
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
12+阅读 · 2013年12月31日
国家自然科学基金
16+阅读 · 2012年12月31日
国家自然科学基金
48+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员