arXiv cs.AI· Amrapali Pednekar, Alvaro Garrido-Perez, Yara Khaluf, Pieter Simoens·· 1 天前AI 评分20
Chronocooked：评估强化学习智能体区间计时能力的基准
Chronocooked: A Benchmark for Interval Timing in Reinforcement Learning Agents
AI 导读
研究者提出 Chronocooked，一个用于系统研究强化学习智能体区间计时能力的基准环境，包含受心理学文献启发的烹饪场景任务及任务表现、类人计时与可扩展性三类评估指标。
正文 · AI 翻译
摘要：间隔计时被认为是人类认知的一个重要方面。随着人工代理越来越多地与人类协同工作，需要研究它们的间隔计时能力。然而，该领域的研究仍然有限且零散。本文提出了 Chronocooked，一个强化学习（RL）基准环境，能够系统研究 RL 代理的间隔计时能力。该套件包含受心理学文献启发的涉及间隔计时任务的烹饪场景。每个任务都配有评估指标，用于研究 RL 代理间隔计时的不同方面，即任务性能、类人计时和可扩展性。我们报告了使用非循环模型（CNN）、循环模型（LSTM）和受生物学启发的循环模型（CTRNN）的基线。CNN 模型执行基本计时任务的能力有限。相比之下，两个具有足够内存的循环模型都成功执行了计时任务，在固定间隔（FI）任务中表现出时间控制，并在时间二分任务中定性地再现了类人心理测量曲线。然而，没有发现类人计时行为的定量证据。对人工代理间隔计时的系统研究可能为改善人机交互（HRI）等领域的任务性能提供互补视角，同时也有助于更广泛的时间感知研究。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2608.16666 [cs.AI] |
| （或 arXiv:2608.16666v3 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2608.16666 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Amrapali Pednekar [查看电子邮件]
[v1]
2026年8月17日星期一 14:55:59 UTC（8,561 KB）
[v2]
2026年10月7日星期三 10:33:56 UTC（8,160 KB）
[v3]
2026年11月11日星期三 15:11:15 UTC（8,174 KB）
来源：arXiv cs.AI · arxiv.org