提出概念接地世界模型CGWM

Riccardo Andreoni 等在 arXiv 提交论文，提出概念接地世界模型 CGWM，一种神经符号世界模型设计，学习可解释的概念表示。该方法用显式且完整的知识（以时序逻辑表达，规定有效世界状态及支配其动态的时序关系）从观测中学习概念，并通过可微推理和梯度上升直接优化行动以满足目标。 基于论文摘要，作者在两个游戏环境中将 CGWM 与纯神经基线和神经符号基线比较，结果显示 CGWM 更准确地落地概念，在长时间范围及分布内外规划中表现出更强的稳健性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。