Aktives Einholen von Umweltfeedback zur Aktionsbewertung ohne Messungen

Eine neue Methode ermöglicht es KI-Agenten, eigenständig Umweltfeedback zu sammeln, ohne auf vorgegebene Messgrößen angewiesen zu sein.

Traditionelle Ansätze setzen auf feste Belohnungen oder vordefinierte Messungen, was ihre Einsatzmöglichkeiten in offenen, dynamischen Umgebungen stark einschränkt.

Das vorgestellte Modell, das als „Actively Feedback Getting“ bezeichnet wird, lässt Agenten aktiv mit der Umgebung interagieren, um Feedback zu entdecken, zu filtern und zu verifizieren.

Anstelle expliziter Feedbackdefinitionen nutzt das Verfahren die durch Aktionen verursachten Umweltveränderungen, um relevante Rückmeldungen zu identifizieren.

Ein selbstgesteuerter Auslösermechanismus, der auf internen Zielen wie Genauigkeit und Effizienz basiert, erlaubt dem Agenten, Aktionen eigenständig zu planen und anzupassen.

Experimentelle Tests zeigen, dass dieser aktive Ansatz die Effizienz und Robustheit bei der Identifikation von Faktoren deutlich steigert.

Die Arbeit eröffnet neue Perspektiven für autonome Systeme, die in komplexen, sich wandelnden Umgebungen lernen und handeln müssen.