带保证的动作模型学习
人工智能
2024-12-04 v1
摘要
本文研究全可观测性下的动作模型学习问题。遵循 Mitchell 的“搜索式学习”范式，我们基于变型空间开发了一套动作模型学习理论，将该任务解释为搜索与学习样本一致的假设。我们的理论发现被实例化为一个在线算法，该算法维护着问题所有解的紧凑表示。在这些解中，我们重点关注从下方逼近实际转换系统的动作模型（可靠模型）与从上方逼近的动作模型（完备模型）。我们展示了如何操纵学习算法的输出来构建可靠模型与完备模型的确定性与非确定性形式，并证明在给定足够样本的情况下，两种形式均收敛于同一真实模型。实验表明它们在一系列规划领域中具有实用性。
引用
@article{arxiv.2404.09631,
title = {Action Model Learning with Guarantees},
author = {Diego Aineto and Enrico Scala},
journal= {arXiv preprint arXiv:2404.09631},
year = {2024}
}