Comparing NARS and Reinforcement Learning: An Analysis of ONA and $Q$-Learning Algorithms

要約

タイトル：NARSと強化学習の比較：ONAと$Q$-学習アルゴリズムの分析

要約：
– 強化学習（RL）は、機械学習におけるシーケンスベースのタスクを解決するための人気のある手法として、近年注目されている。
– しかし、RLに代替できる適切な手法を見つけることは、依然として刺激的かつ創造的な研究分野である。
– NARS（非公理的推論システム）は、一般的な認知推論フレームワークであり、RLの代替手段として注目されている。
– この論文では、シーケンスベースのタスクを解決するためのRLとしてのNARSの潜在的な可能性を探求する。
– そのために、Open AI gymを使用して作成されたさまざまな環境で、NARSの実装であるONAと$Q$-Learningの性能を比較分析を行った。
– 環境は、シンプルから複雑までのさまざまな難易度を持つ。
– 結果から、NARSはRLの代替として有望であり、特に非決定論的な環境で競争力のある性能を発揮することが示された。

要約(オリジナル)

In recent years, reinforcement learning (RL) has emerged as a popular approach for solving sequence-based tasks in machine learning. However, finding suitable alternatives to RL remains an exciting and innovative research area. One such alternative that has garnered attention is the Non-Axiomatic Reasoning System (NARS), which is a general-purpose cognitive reasoning framework. In this paper, we delve into the potential of NARS as a substitute for RL in solving sequence-based tasks. To investigate this, we conduct a comparative analysis of the performance of ONA as an implementation of NARS and $Q$-Learning in various environments that were created using the Open AI gym. The environments have different difficulty levels, ranging from simple to complex. Our results demonstrate that NARS is a promising alternative to RL, with competitive performance in diverse environments, particularly in non-deterministic ones.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI