基于动作分布式表示的潜在计划发现

计划识别旨在利用历史计划库或领域模型，发现观测动作背后的目标计划（即动作序列）。以往方法要么通过将观测动作与计划库最大化“匹配”来发现计划（假设目标计划来自计划库），要么通过执行领域模型以最佳解释观测动作来推断计划（假设存在完整的领域模型）。然而，在现实应用中，目标计划往往不在计划库中，且完整的领域模型往往不可用，因为构建完整的计划集合和完整的领域模型通常困难或代价高昂。本文将计划库视为语料库，并利用这些语料库学习动作的向量表示；然后基于向量表示发现目标计划。我们的方法能够在不需要提供领域模型的情况下，发现不在计划库中的潜在计划。我们通过在三个规划领域将其性能与传统计划识别方法进行比较，实证展示了该方法的有效性。