通过规律的自适应组合将泛化融入行为生成

Building Generalization Into Behavior Generation Via Adaptive Compositions of Regularities

机器人泛化需要关于世界结构如何组织的先验知识，但这种结构会随情境变化。本文探讨如下命题：泛化源于将规律性——机器人-环境系统中可预测的关系——适应性组合成适合情境的行为生成结构。我们通过分析AICON（主动互联）框架中的机制来检验这一命题，该框架将规律性表示为可微分网络中相互交互的过程，其中感官反馈实现组合，梯度下降生成行为。为分离出适应性组合这一关键机制，我们研究了一个简单的模拟问题，其中所有相关规律性均可识别。我们将所得模型暴露于设计时未考虑的各种新颖条件中，发现除一种情况外——该情况下编码的规律性被证明不足——模型均能生成情境适宜的行为。消融实验表明，网络会根据规律性的信息性自动调节哪些规律性影响行为。这些结果表明，规律性的适应性组合构成了将泛化能力构建到行为生成中的强归纳偏置。