Resumen: El reconocimiento de objetivos (GR) es el problema de reconocer los objetivos de un agente basados en acciones observadas. Los enfoques recientes basados en datos para GR alivian la necesidad de modelos de dominio costosos y manuales. Sin embargo, estos enfoques solo pueden razonar sobre un conjunto de objetivos predefinidos, y se necesita una capacitación que requiere mucho tiempo para los nuevos objetivos emergentes. Para mantener este modelo de aprendizaje automático al tiempo que permite una adaptación rápida a los nuevos objetivos, este documento presenta GRAML: el reconocimiento de objetivos como aprendizaje métrico. Graml utiliza una red siamesa para tratar a GR como una tarea de aprendizaje métrico profundo, empleando un RNN que aprende una métrica sobre un espacio de incrustación, donde las incrustaciones para las trazas de observación que conducen a diferentes objetivos son distantes, y las incrustaciones de trazas que conducen a los mismos objetivos están cerca. Esta métrica es especialmente útil cuando se adapta a nuevos objetivos, incluso si se le da un solo ejemplo de traza de observación por objetivo. Evaluado en un conjunto versátil de entornos, GRAML muestra la velocidad, la flexibilidad y las mejoras en el tiempo de ejecución sobre el GR de última generación mientras se mantiene un reconocimiento preciso.
Publicado Originalme en rss.arxiv.org El 7 de mayo de 2025.
Ver Fuente Original
