Abruf-erweiterter Entscheidungs-Transformer: Externer Speicher für RL im Kontext

Retrieval-Augmented Decision Transformer: External Memory for In-context RL

October 9, 2024

Autoren: Thomas Schmied, Fabian Paischer, Vihang Patil, Markus Hofmarcher, Razvan Pascanu, Sepp Hochreiter

cs.AI

Zusammenfassung

Das Lernen im Kontext (ICL) bezeichnet die Fähigkeit eines Modells, eine neue Aufgabe zu erlernen, indem es einige Beispiele in seinem Kontext beobachtet. Während dies in der natürlichen Sprachverarbeitung (NLP) weit verbreitet ist, wurde diese Fähigkeit kürzlich auch in Einstellungen des Reinforcement Learning (RL) beobachtet. Bisherige in-Kontext-RL-Methoden erfordern jedoch gesamte Episoden im Kontext des Agenten. Da komplexe Umgebungen in der Regel zu langen Episoden mit spärlichen Belohnungen führen, sind diese Methoden auf einfache Umgebungen mit kurzen Episoden beschränkt. Um diese Herausforderungen anzugehen, stellen wir den Retrieval-augmentierten Entscheidungstransformer (RA-DT) vor. RA-DT verwendet einen externen Speichermechanismus, um vergangene Erfahrungen zu speichern, aus denen es nur Teilpfade abruft, die für die aktuelle Situation relevant sind. Die Abrufkomponente in RA-DT erfordert kein Training und kann vollständig domänenagnostisch sein. Wir bewerten die Fähigkeiten von RA-DT in Gitterwelten, Robotersimulationen und prozedural generierten Videospielen. In Gitterwelten übertrifft RA-DT die Baselines, während es nur einen Bruchteil ihrer Kontextlänge verwendet. Darüber hinaus beleuchten wir die Grenzen der aktuellen in-Kontext-RL-Methoden in komplexen Umgebungen und diskutieren zukünftige Richtungen. Um zukünftige Forschung zu erleichtern, veröffentlichen wir Datensätze für vier der betrachteten Umgebungen.

English

In-context learning (ICL) is the ability of a model to learn a new task by observing a few exemplars in its context. While prevalent in NLP, this capability has recently also been observed in Reinforcement Learning (RL) settings. Prior in-context RL methods, however, require entire episodes in the agent's context. Given that complex environments typically lead to long episodes with sparse rewards, these methods are constrained to simple environments with short episodes. To address these challenges, we introduce Retrieval-Augmented Decision Transformer (RA-DT). RA-DT employs an external memory mechanism to store past experiences from which it retrieves only sub-trajectories relevant for the current situation. The retrieval component in RA-DT does not require training and can be entirely domain-agnostic. We evaluate the capabilities of RA-DT on grid-world environments, robotics simulations, and procedurally-generated video games. On grid-worlds, RA-DT outperforms baselines, while using only a fraction of their context length. Furthermore, we illuminate the limitations of current in-context RL methods on complex environments and discuss future directions. To facilitate future research, we release datasets for four of the considered environments.