Interpretable and Editable Programmatic Tree Policies for Reinforcement Learning

Kohler, Hector; Delfosse, Quentin; Akrour, Riad; Kersting, Kristian; Preux, Philippe

Type de document :

Communication dans un congrès avec actes

Titre :

Interpretable and Editable Programmatic Tree Policies for Reinforcement Learning

Auteur(s) :

Kohler, Hector [Auteur]
Université de Lille
Centrale Lille
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Scool [Scool]
Delfosse, Quentin [Auteur]
Technische Universität Darmstadt - Technical University of Darmstadt [TU Darmstadt]
Akrour, Riad [Auteur]
Université de Lille
Centrale Lille
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Scool [Scool]
Kersting, Kristian [Auteur]
Technische Universität Darmstadt - Technical University of Darmstadt [TU Darmstadt]
Preux, Philippe [Auteur]
Université de Lille
Centrale Lille
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Scool [Scool]

Titre de la manifestation scientifique :

European Workshop on Reinforcement Learning

Ville :

Toulouse

Pays :

France

Date de début de la manifestation scientifique :

2024-10-28

Date de publication :

2024

Mot(s)-clé(s) en anglais :

Interpretable AI
Reinforcement Learning
Decision Tree

Discipline(s) HAL :

Informatique [cs]/Intelligence artificielle [cs.AI]

Résumé en anglais : [en]

Deep reinforcement learning agents are prone to goal misalignments. The black-box nature of their policies hinders the detection and correction of such misalignments, and the trust necessary for real-world deployment. So ...
Lire la suite >Deep reinforcement learning agents are prone to goal misalignments. The black-box nature of their policies hinders the detection and correction of such misalignments, and the trust necessary for real-world deployment. So far, solutions learning interpretable policies are inefficient or require many human priors. We propose INTERPRETER, a fast distillation method producing INTerpretable Editable tRee Programs for ReinforcEmenT lEaRning. We empirically demonstrate that INTERPRETER compact tree programs match oracles across a diverse set of sequential decision tasks and evaluate the impact of our design choices on interpretability and performances. We show that our policies can be interpreted and edited to correct misalignments on Atari games and to explain real farming strategies.Lire moins >

Langue :

Anglais

Comité de lecture :

Oui

Audience :

Internationale

Vulgarisation :

Non

Collections :

Centre de Recherche en Informatique, Signal et Automatique de Lille (CRIStAL) - UMR 9189

Source :

Harvested from HAL

Fichiers

document
Accès libre
Accéder au document

Interpretable_and_Editable_.pdf
Accès libre
Accéder au document

Interpretable and Editable Programmatic ... BibTeX CSV Excel RIS

Fichiers

Interpretable and Editable Programmatic ...

BibTeX

CSV

Excel

RIS