机构名称：
¥ 1.0
1 简介 使用神经网络 (NN) 学习行动策略 π 在游戏中非常成功 (Mnih 等人2013；Sil- ver 等人2018)，并在 AI 规划中越来越受欢迎 (Is- sakkimuthu、Fern 和 Tadepalli 2018；Groshev 等人2018；Garg、Bajpai 和 Mausam 2019；Toyer 等人2020；Karia 和 Srivastava 2021)。策略 π 可以在动态环境中做出实时决策，只需根据当前状态对其进行评估即可获得下一步行动。然而，这种方法显然存在潜在的政策“缺陷”，即不良或致命的政策行为。测试（试图找到发生此类行为的情况）是解决这一问题的自然范例。自动测试用例生成可用于评估 π 的质量，并最终通过广泛的测试来证明 π 是可信的。先前关于顺序决策测试的研究控制环境行为（MDP 中的状态转换选择），并尝试找到满足故障条件 ϕ 的环境决策序列（例如，Dreossi 等人2015；Akazaki 等人2018；Koren 等人2018；Ernst 等人2019；Lee 等人2020）。但如果失败
AI 规划中的自动行动策略测试
主要关键词
相关文件推荐
