概念强化学习框架

训练提效七成

通过多级注意力与互信息约束学习紧凑不变的概念级联合表征，提升语言条件策略的泛化能力。

彭绍辉 · 胡杏 · 张蕊 · Guo, Jiaming · Qi, Yi · 陈锐志 · 杜子东 · 李玲 · 郭崎 · 陈云霁

2023

参数信息

训练效率提升

70 %

泛化能力提升

30 %

技术优势

训练效率提升七成

通过紧凑不变的概念表征，减少了环境交互所需样本量。

泛化能力提升三成

概念表征抑制了实例特定的虚假关联，策略在新环境动态下表现更好。

概念级表征

提取跨环境的紧凑不变信息，避免将噪声编码进策略。

应用场景

• 语言条件策略迁移：用概念表征压缩跨环境不变信息，策略迁移时不再需要在新环境重新大量采样。
• 具身智能泛化：让具身智能体在新环境中复用已学概念，而不是从头探索。
• 机器人控制：机器人控制器可借概念表征适应不同任务描述，减少调参试错。
• 自适应智能体：概念表征使智能体在新动态下保持行为稳定，降低环境变化带来的干扰。