ICLR 1.9万篇论文中仅27%通过……提出数据错误、长期任务与多智能体协作问题的解决方案

韩国本土研究团队在世界顶级人工智能(AI)学会上同时被接收了3篇论文,证明了其在强化学习领域的竞争力。乌山科学技术院(UNIST)表示,人工智能研究生院教授 Han Seungyeol 研究团队的3篇论文已同时被“国际表征学习会议(ICLR)”接收,该会议将于本月23日在巴西里约热内卢举行。上述消息于21日公布。


国际表征学习会议与神经信息处理系统会议、国际机器学习会议并称为全球三大AI学会。今年全球共提交约1.9万篇论文,其中仅约27%通过评审。从单一研究室同时被接收3篇论文的情况十分罕见。

研究团队合影。自左起为教授 Han Seungyeol 以及各项研究的第一作者研究员 Lee Sanghyeon、研究员 Hwang Jaebak、研究员 Jo Yonghyeon。UNIST 供图

研究团队合影。自左起为教授 Han Seungyeol 以及各项研究的第一作者研究员 Lee Sanghyeon、研究员 Hwang Jaebak、研究员 Jo Yonghyeon。UNIST 供图

View original image

从数据错误到长期任务与协作问题……突破强化学习局限


此次全部成果均出自强化学习领域。强化学习是一种让AI通过与环境交互、在反复试错中学习最优行为的方式,是在机器人、自动驾驶等物理环境中运行的“实体AI(Physical AI)”的核心技术。


研究团队首先提出了仅利用工业现场收集的离线数据也能取得高性能的“自我改进技能学习(SISL)”方法。即便数据中掺杂错误,系统也能自主找出有用的行为模式,并去除噪声,从而实现稳定学习。


团队还解决了复杂长期任务中出现的低效问题。传统强化学习在将目标拆分为多个阶段时,常会选取无法到达的中间目标,导致学习进程被拖慢。研究团队通过“严格子目标执行(SSE)”方法,仅选择可达目标,从而同时提升学习成功率和学习速度。


多智能体协作环境中的局限也得到补强。在多智能体环境中,最优行为会随着情境变化而改变,但既有算法往往只依赖单一解法。研究团队提出了可同时评估多种备选行为价值的“连续子价值Q学习(S2Q)”方法,使AI在协作环境中也能进行更为灵活的决策。



研究员 Lee Sanghyun、Hwang Jaebak、Cho Yonghyun 分别以各项研究的第一作者身份参与。教授 Han Seungyeol 表示:“我们确认了在数据受限、环境存在不确定性的条件下,也有可能稳定地应用强化学习”,“未来有望扩展至自动驾驶、机器人、智能制造等多种产业领域”。


本报道由人工智能(AI)翻译技术生成。

版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。

不容错过的热点