Preservar y combinar el conocimiento en el aprendizaje por refuerzo robótico a lo largo de la vida

Resumen Los seres humanos pueden acumular continuamente conocimiento y desarrollar comportamientos y habilidades cada vez más complejas a lo largo de sus vidas, lo que se conoce como ``aprendizaje a lo largo de la vida''. Aunque esta capacidad de aprendizaje a lo largo de la vida se considera un mecanismo esencial que compone la inteligencia generalizada, los avances recientes en inteligencia artificial sobresalen predominantemente en dominios estrechos y especializados y generalmente carecen de esta capacidad de aprendizaje a lo largo de la vida. Nuestro estudio introduce un marco de aprendizaje por refuerzo robótico a lo largo de la vida que aborda esta brecha al desarrollar un espacio de conocimiento inspirado en el dominio bayesiano no paramétrico. Además, mejoramos la comprensión semántica del agente sobre las tareas integrando incrustaciones de lenguaje en el marco. Nuestro agente incorporado propuesto puede acumular consistentemente conocimiento de una corriente continua de tareas de alimentación única. Además, nuestro agente puede abordar desafiantes tareas del mundo real a largo plazo combinando y reaplicando su conocimiento adquirido de la corriente de tareas original. Nuestros hallazgos demuestran que los agentes incorporados inteligentes pueden exhibir una capacidad de aprendizaje a lo largo de la vida similar a la de los seres humanos. El marco propuesto avanza nuestra comprensión del proceso de aprendizaje robótico a lo largo de la vida y puede inspirar el desarrollo de una inteligencia más ampliamente aplicable.