Neurosymbolic Reasoning with Incremental Knowledge for Sample Efficient Hierarchical Reinforcement Learning
结合增量知识的神经符号推理用于样本高效分层强化学习
机构 * NTU Singapore(新加坡南洋理工大学) ; IPAL, CNRS, France(法国IPAL-CNRS)
AI总结 本研究提出结合增量知识(InK)的神经符号分层强化学习,通过符号高层组件执行符号规划、低层神经模块学习运动原语,在导航任务中显著提升了样本效率,还开发了信念世界树搜索方法。
Comments Published in ECML-PKDD 2026