FAE: Apprendere Modelli del Mondo come Programmi da Video di Gameplay
I ricercatori propongono Finite Automata Extraction (FAE), un metodo per apprendere modelli del mondo neuro-simbolici da video di gameplay. FAE rappresenta le dinamiche ambientali apprese come programmi in un nuovo linguaggio specifico di dominio chiamato Retro Coder. Rispetto ai precedenti modelli del mondo basati su reti neurali, FAE produce modelli più precisi e codice più generale. L'approccio affronta le sfide della spiegabilità e del trasferimento delle dinamiche apprese. L'articolo è pubblicato su arXiv sotto Computer Science > Artificial Intelligence.
Fatti principali
- 1. FAE sta per Finite Automata Extraction
- 2. FAE apprende modelli del mondo da video di gameplay
- 3. I modelli del mondo sono rappresentazioni spaziali e temporali compresse di un ambiente
- 4. I modelli del mondo tradizionali usano reti neurali, che mancano di spiegabilità
- 5. FAE produce programmi in un nuovo DSL chiamato Retro Coder
- 6. FAE produce modelli più precisi rispetto agli approcci precedenti
- 7. FAE genera codice più generale rispetto ai metodi basati su DSL precedenti
- 8. L'articolo è disponibile su arXiv (2508.11836)
Entità
Istituzioni
- arXiv