Text-based RL Agents with Commonsense Knowledge:New Challenges, Environments and Baselines

dblp: Keerthiram MurugesanList of computer science publications by Keerthiram Murugesanhttps://dblp.org/pid/178/2877.html

摘要

基于文本的游戏已经成为强化学习(RL)研究的重要试验台，要求RL代理将基础语言理解与顺序决策结合起来。在这篇论文中，我们研究了向RL制剂注入常识知识的问题。这些知识将允许代理在世界上通过修剪不合理的行为有效地行动，并执行前瞻性计划，以确定当前的行为可能如何影响未来的世界状态。我们设计了一个新的基于文本的游戏环境，称为TextWorld Commonsense (TWC)，用于训练和评估RL代理，使用特定类型的关于对象、它们的属性和可见性的常识知识。我们还引入了几个基线RL代理，它们跟踪顺序上下文并动态地从ConceptNet中检索相关常识知识。我们表明，在TWC中加入常识知识的代理表现更好，同时行动更有效。我们进行了用户研究，以评估人类在TWC上的性能，并表明未来有足够的改进空