Buchumschlag

GRAIL: Autonomous Concept Grounding for Neuro-Symbolic Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shindo, Hikaru, Rößler, Henri, Delfosse, Quentin, Kersting, Kristian
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

BlendRL: A Framework for Merging Symbolic and Neural Policy Learning
von: Shindo, Hikaru, et al.
Veröffentlicht: (2024)

HackAtari: Atari Learning Environments for Robust and Continual Reinforcement Learning
von: Delfosse, Quentin, et al.
Veröffentlicht: (2024)

Interpretable and Editable Programmatic Tree Policies for Reinforcement Learning
von: Kohler, Hector, et al.
Veröffentlicht: (2024)

LLMs Gaming Verifiers: RLVR can Lead to Reward Hacking
von: Helff, Lukas, et al.
Veröffentlicht: (2026)

Deep Reinforcement Learning via Object-Centric Attention
von: Blüml, Jannis, et al.
Veröffentlicht: (2025)

EXPIL: Explanatory Predicate Invention for Learning in Games
von: Sha, Jingyuan, et al.
Veröffentlicht: (2024)

OCAtari: Object-Centric Atari 2600 Reinforcement Learning Environments
von: Delfosse, Quentin, et al.
Veröffentlicht: (2023)

Pix2Code: Learning to Compose Neural Visual Concepts as Programs
von: Wüst, Antonia, et al.
Veröffentlicht: (2024)

Learning by Self-Explaining
von: Stammer, Wolfgang, et al.
Veröffentlicht: (2023)

Learning Differentiable Logic Programs for Abstract Visual Reasoning
von: Shindo, Hikaru, et al.
Veröffentlicht: (2023)

SocialGrid: A Benchmark for Planning and Social Reasoning in Embodied Multi-Agent Systems
von: Shindo, Hikaru, et al.
Veröffentlicht: (2026)

Interpretable end-to-end Neurosymbolic Reinforcement Learning agents
von: Grandien, Nils, et al.
Veröffentlicht: (2024)

Boosting deep Reinforcement Learning using pretraining with Logical Options
von: Ye, Zihan, et al.
Veröffentlicht: (2026)

V-LoL: A Diagnostic Dataset for Visual Logical Learning
von: Helff, Lukas, et al.
Veröffentlicht: (2023)

Deep Reinforcement Learning Agents are not even close to Human Intelligence
von: Delfosse, Quentin, et al.
Veröffentlicht: (2025)

Better Decisions through the Right Causal World Model
von: Dillies, Elisabeth, et al.
Veröffentlicht: (2025)

Interpretable Concept Bottlenecks to Align Reinforcement Learning Agents
von: Delfosse, Quentin, et al.
Veröffentlicht: (2024)

Learning to Intervene on Concept Bottlenecks
von: Steinmann, David, et al.
Veröffentlicht: (2023)

DeiSAM: Segment Anything with Deictic Prompting
von: Shindo, Hikaru, et al.
Veröffentlicht: (2024)

Object Centric Concept Bottlenecks
von: Steinmann, David, et al.
Veröffentlicht: (2025)

ActivationReasoning: Logical Reasoning in Latent Activation Spaces
von: Helff, Lukas, et al.
Veröffentlicht: (2025)

Human-Allied Relational Reinforcement Learning
von: Darvishvand, Fateme Golivand, et al.
Veröffentlicht: (2025)

Softened Symbol Grounding for Neuro-symbolic Systems
von: Li, Zenan, et al.
Veröffentlicht: (2024)

Evaluating Interpretable Reinforcement Learning by Distilling Policies into Programs
von: Kohler, Hector, et al.
Veröffentlicht: (2025)

Automaton Distillation: Neuro-Symbolic Transfer Learning for Deep Reinforcement Learning
von: Singireddy, Suraj, et al.
Veröffentlicht: (2023)

Neural Concept Binder
von: Stammer, Wolfgang, et al.
Veröffentlicht: (2024)

Symbol Grounding in Neuro-Symbolic AI: A Gentle Introduction to Reasoning Shortcuts
von: Marconato, Emanuele, et al.
Veröffentlicht: (2025)

Adaptive Rational Activations to Boost Deep Reinforcement Learning
von: Delfosse, Quentin, et al.
Veröffentlicht: (2021)

Kintsugi: Learning Policies by Repairing Executable Knowledge Bases
von: Cao, Teng, et al.
Veröffentlicht: (2026)

GRAIL: Goal Recognition Alignment through Imitation Learning
von: Elhadad, Osher, et al.
Veröffentlicht: (2026)

Synthesizing Visual Concepts as Vision-Language Programs
von: Wüst, Antonia, et al.
Veröffentlicht: (2025)

A Neuro-Symbolic Benchmark Suite for Concept Quality and Reasoning Shortcuts
von: Bortolotti, Samuele, et al.
Veröffentlicht: (2024)

Neuro-Symbolic Concepts
von: Mao, Jiayuan, et al.
Veröffentlicht: (2025)

SLR: Automated Synthesis for Scalable Logical Reasoning
von: Helff, Lukas, et al.
Veröffentlicht: (2025)

Concise and Logically Consistent Conformal Sets for Neuro-Symbolic Concept-Based Models
von: Bortolotti, Samuele, et al.
Veröffentlicht: (2026)

Shortcuts and Identifiability in Concept-based Models from a Neuro-Symbolic Lens
von: Bortolotti, Samuele, et al.
Veröffentlicht: (2025)

Neuro-Symbolic Generative Diffusion Models for Physically Grounded, Robust, and Safe Generation
von: Christopher, Jacob K., et al.
Veröffentlicht: (2025)

A Learnability Analysis on Neuro-Symbolic Learning
von: He, Hao-Yuan, et al.
Veröffentlicht: (2025)

Compositional Learning of Visually-Grounded Concepts Using Reinforcement
von: Lin, Zijun, et al.
Veröffentlicht: (2023)

Neuro-Symbolic Imitation Learning: Discovering Symbolic Abstractions for Skill Learning
von: Keller, Leon, et al.
Veröffentlicht: (2025)