利用聚焦效应宏动作的高效黑盒规划
人工智能
2021-06-25 v3 机器学习
机器学习
摘要
确定性规划的难度随搜索树深度呈指数增长。黑盒规划更具挑战性，因为规划器必须在无显式领域模型下运作。启发式可使搜索更高效，但黑盒规划中目标感知启发式通常依赖目标计数，往往信息量很低。本工作中，我们展示如何通过发现使目标计数启发式更准确的宏动作来克服此局限。我们的方法搜索具有聚焦效应（即仅修改少量状态变量的宏）的宏动作，其与目标计数启发式所作假设良好契合。聚焦宏在广泛规划领域中大幅提升了黑盒规划效率，有时甚至胜过可访问完整领域模型的最先进规划器。
引用
@article{arxiv.2004.13242,
title = {Efficient Black-Box Planning Using Macro-Actions with Focused Effects},
author = {Cameron Allen and Michael Katz and Tim Klinger and George Konidaris and Matthew Riemer and Gerald Tesauro},
journal= {arXiv preprint arXiv:2004.13242},
year = {2021}
}
备注
To appear at IJCAI 2021; code available at https://github.com/camall3n/focused-macros