A Novel Model for Arbitration between Planning and Habitual Control\n Systems
Notice bibliographique
Résumé
It is well established that humans decision making and instrumental control\nuses multiple systems, some which use habitual action selection and some which\nrequire deliberate planning. Deliberate planning systems use predictions of\naction-outcomes using an internal model of the agent's environment, while\nhabitual action selection systems learn to automate by repeating previously\nrewarded actions. Habitual control is computationally efficient but may be\ninflexible in changing environments. Conversely, deliberate planning may be\ncomputationally expensive, but flexible in dynamic environments. This paper\nproposes a general architecture comprising both control paradigms by\nintroducing an arbitrator that controls which subsystem is used at any time.\nThis system is implemented for a target-reaching task with a simulated\ntwo-joint robotic arm that comprises a supervised internal model and deep\nreinforcement learning. Through permutation of target-reaching conditions, we\ndemonstrate that the proposed is capable of rapidly learning kinematics of the\nsystem without a priori knowledge, and is robust to (A) changing environmental\nreward and kinematics, and (B) occluded vision. The arbitrator model is\ncompared to exclusive deliberate planning with the internal model and exclusive\nhabitual control instances of the model. The results show how such a model can\nharness the benefits of both systems, using fast decisions in reliable\ncircumstances while optimizing performance in changing environments. In\naddition, the proposed model learns very fast. Finally, the system which\nincludes internal models is able to reach the target under the visual\nocclusion, while the pure habitual system is unable to operate sufficiently\nunder such conditions.\n
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».