部分可观测已建图环境中多物体重排规划的有效基线

许多现实世界任务，从打扫房屋到烹饪，都可表述为多物体重排问题——即智能体需将特定物体置于适当的目标状态。针对此类问题，我们关注如下设定：假定预指定目标状态、具备完美的操作与物体识别能力、拥有环境静态地图但待重排物体的初始位置未知。我们的目标是使家庭辅助智能体能在此种部分可观测性下高效规划重排。这需要在环境探索与重排规划之间高效权衡，而由于问题的长时序特性，该任务颇具挑战。为推进此问题研究，我们首先利用经典方法分析了物体与容器数量、智能体携带能力、环境布局等各类因素对重排探索与规划的影响。随后，我们研究了在所处设定下用于规划的单体与模块化深度强化学习（DRL）方法。我们发现单体 DRL 方法无法胜任多物体重排所需的长期规划。相反，模块化贪婪方法出人意料地表现相当良好，并成为部分可观测多物体重排问题规划的竞争性基线。我们还表明，当需重排物体均匀分布于环境中时，我们的贪婪模块化智能体在经验上是最优的——从而为未来部分可观测设定下的多物体重排规划研究提供了具备强劲性能的基线。