基于背景知识的通用规划深度学习方法
人工智能
2024-10-11 v1
摘要
自动化规划是一种声明式问题解决方法，近期受到机器学习（ML）社区的关注。ML 被应用于规划，或作为测试架构“推理能力”的方式，或更实用地作为尝试通过学习的领域知识来扩展求解器规模。在实践中，规划问题容易求解但难以优化。然而，ML 方法仍然难以解决许多对人类和经典规划器都相对容易的问题。本文提出了一种新的 ML 方法，允许用户通过 Datalog 规则指定背景知识（BK），以集成方式指导学习和规划过程。通过融合 BK，我们的方法无需从头重新学习如何解决问题，而是将学习聚焦于计划质量优化。基于 BK 的实验表明，我们的方法成功地从在 5 秒内生成的少量训练数据中高效学习并规划，获得高质量解决方案。
关键词
引用
@article{arxiv.2410.07923,
title = {Deep Learning for Generalised Planning with Background Knowledge},
author = {Dillon Z. Chen and Rostislav Horčík and Gustav Šír},
journal= {arXiv preprint arXiv:2410.07923},
year = {2024}
}