探寻智能体自己的语言——迈向人机交互强化学习

在人机交互场景中，强化学习能够训练智能体按照人类语言指令完成任务。
以往的算法通常直接将人类语言提供给智能体，然后使用强化学习优化方法来提升智能体的策略，以完成人类指定的任务。然而，人类语言的学习难度高，与解决具体决策任务的复杂度不相匹配。为此，南栖仙策和南京大学团队提出了一种新方法TALAR，让智能体自己发明与任务相关的“任务语言”，这样的语言更容易与任务关联，而人类的语言则作为“外语”，智能体另外学习如何将人类语言翻译为任务语言。

效果展示

仅用不到一百万帧训练样本，智能体（白色小球）就能够快速学习到理解人类的语言指令，并根据指令，将大球们推动到正确的位置上，完成任务。

            快速学习如何完成由人类语言指定的任务

此外，智能体还能够充分适应各种不同风格的人类语言表达，使人机交互的效率大大提高