エンド-エンド相互作用によるモジュラ具体化エージェントにおける多くのエピソード学習【JST・京大機械翻訳】

Sun Yuxuan; Carlson Ethan; Qian Rebecca; Srinet Kavya; Szlam Arthur

プレプリント

J-GLOBAL ID：202202208886974196 整理番号：22P0333975

エンド-エンド相互作用によるモジュラ具体化エージェントにおける多くのエピソード学習【JST・京大機械翻訳】

Many Episode Learning in a Modular Embodied Agent via End-to-End Interaction

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年04月19日プレプリントサーバーでの情報更新日： 2023年01月10日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本研究では,混雑者との相互作用を介してそれ自身を改善する,具体化された機械学習(ML)駆動エージェントの事例研究を示した。エージェントは一組のモジュールから成り,その幾つかは学習され,他は発見的である。エージェントはMLセンスにおいて「エンドツーエンド」ではないが,エンドツーエンド相互作用はエージェントの学習機構の不可欠な部分である。著者らは,エージェントの設計がどのように複数の注釈インタフェイスの設計と共に働くかを記述して,クラウド-研究者がエンドツーエンド相互作用からモジュールエラーに信用を割り当て,個々のモジュールのためのデータをラベル付けする。複数自動化人間エージェント相互作用,信用割当て,データアノテーション,およびモデル再訓練と再展開に関して,エージェント改善を実証した。【JST・京大機械翻訳】

, , , , , , , , ,

人工知能

, , ,

前のページに戻る