学习用于基元规划和提升规划的领域无关启发式
人工智能
2024-10-29 v2
摘要
我们提出了三种新颖的规划任务图表示，适用于使用图神经网络（GNN）学习领域无关的启发式以指导搜索。特别地，为了缓解大型基元GNN引起的问题，我们提出了第一种仅使用规划任务的提升表示来学习领域无关启发式的方法。我们还对我们的模型表达能力进行了理论分析，表明其中一些模型比STRIPS-HGN（唯一现有的学习领域无关启发式的模型）更强大。我们的实验表明，我们的启发式能够泛化到比训练集中大得多的问题，远远超过了STRIPS-HGN启发式。
引用
@article{arxiv.2312.11143,
title = {Learning Domain-Independent Heuristics for Grounded and Lifted Planning},
author = {Dillon Z. Chen and Sylvie Thiébaux and Felipe Trevizan},
journal= {arXiv preprint arXiv:2312.11143},
year = {2024}
}
备注
Extended version of AAAI 2024 paper