从部分含噪观测中准确学习HDDL领域的一种算法
人工智能
2022-06-15 v1
摘要
分层任务网络（{\sf HTN}）形式化极具表达力，用于表达多种规划问题。与仅需指定动作模型的经典 {\sf STRIPS} 形式化相反，{\sf HTN} 形式化还需额外指定问题的任务及其分解为子任务的方式，称为 {\sf HTN} 方法。因此，专家手工编码 {\sf HTN} 问题比经典规划问题更困难且更易出错。为解决此问题，我们提出一种基于语法归纳的新方法（HierAMLSI），通过学习方法模型及其前置条件的 {\sf HTN} 方法来获取 {\sf HTN} 规划领域知识。与其他方法不同，HierAMLSI 能够在输入观测含噪且部分的情况下以高准确度学习动作和方法。
引用
@article{arxiv.2206.06882,
title = {An Accurate HDDL Domain Learning Algorithm from Partial and Noisy Observations},
author = {M. Grand and H. Fiorino and D. Pellier},
journal= {arXiv preprint arXiv:2206.06882},
year = {2022}
}