![arXiv:2001.11457v3 [cs.AI] 2021 年 3 月 5 日](/simg/7/77db03c1f11d1263a7a871acf160ef76873ebef0.png)
机构名称：
¥ 1.0
在现实环境中，为规划指定高级知识库的问题变得非常艰巨。这些知识通常是手工制作的，即使对于系统专家来说也很难保持更新。最近的方法表明，即使缺少所有中间状态，经典规划也能成功合成动作模型。这些方法可以从一组执行轨迹中合成规划域定义语言 (PDDL) 中的动作模式，每个执行轨迹至少包含一个初始状态和最终状态。在本文中，我们提出了一种新算法，当动作特征未知时，使用经典规划器无监督地合成 S TRIPS 动作模型。此外，我们还对经典规划做出了贡献，该规划减轻了在动作模型前提条件中学习静态谓词的问题，利用 SAT 规划器的功能和并行编码来计算动作模式并验证所有实例。我们的系统非常灵活，因为它支持包含可能加快搜索速度的部分输入信息。我们通过几个实验展示了学习到的动作模型如何概括看不见的规划实例。
arXiv:2001.11457v3 [cs.AI] 2021 年 3 月 5 日
主要关键词
![arXiv:2001.11457v3 [cs.AI] 2021 年 3 月 5 日PDF文件第1页](/bimg/7/7b77e27d308dbca25f3f468a255e863203843cfa.webp)
![arXiv:2001.11457v3 [cs.AI] 2021 年 3 月 5 日PDF文件第2页](/bimg/d/dac1f24f6340dc48d3525925b069c4318420eb95.webp)
![arXiv:2001.11457v3 [cs.AI] 2021 年 3 月 5 日PDF文件第3页](/bimg/7/7f9829ccd78d1d21c71857c007c6c0b4f863e889.webp)
![arXiv:2001.11457v3 [cs.AI] 2021 年 3 月 5 日PDF文件第4页](/bimg/8/82e25f78ce0a21da79970edc2319d17e51243a1e.webp)
![arXiv:2001.11457v3 [cs.AI] 2021 年 3 月 5 日PDF文件第5页](/bimg/2/2b038435e1ac29f6ac380a5685fdb394714da71f.webp)
相关文件推荐
![arXiv:2001.02021v1 [cs.AI] 2020 年 1 月 7 日](/simg/6/6656a65d1324b757699cd670b349c20ef6da7f31.png)
![arXiv:2001.07537v1 [cs.AI] 2020 年 1 月 21 日](/simg/9/9263a647ebe77a59e853ed496cc8cf75b3b255ec.png)
![arXiv:2102.06518v1 [cs.AI] 2021 年 2 月 12 日](/simg/0/070d7c7773e4992bf716ef8f8bc5d0404ff23414.png)
![arXiv:2106.03797v1 [cs.CV] 2021 年 5 月 20 日](/simg/d/d3991bdbf22b7ca1f479c1474c721bd822b7bde3.webp)
![arXiv:2112.15422v1 [cs.AI] 2021 年 11 月 25 日](/simg/9/944ac25ddea48b6e4402cdc063b0cba3869af3b5.png)
![arXiv:2102.07039v1 [cs.RO] 2021 年 2 月 14 日 - 加州理工学院作者](/simg/2/25e43204245c78df627668556baf7f3f3d635b52.webp)
