仅从动作轨迹学习提升STRIPS模型：一种简单、通用且可扩展的解决方案
人工智能
2025-07-17 v3
摘要
仅从动作轨迹学习STRIPS动作模型是一个具有挑战性的问题，因为它涉及学习域谓词。本文引入了一种新方法，类似于著名的LOCM系统，具有可扩展性，同时像SAT方法一样具有严谨性和完备性。此外，该方法是通用的，不对隐藏域或谓词的数量或仪参数施加任何限制。新的学习方法基于一种\emph{高效、新颖的测试}，该测试检查假设某谓词受一组动作模式（即具有特定参数位置的动作）的影响，这一假设是否与轨迹一致。通过测试的谓词和动作模式为所学习的域提供了基础，然后可轻松完成带有前置条件和静态谓词的域。该方法在理论上和实验上都进行了研究。对于后者，对该方法在标准经典域（如8-拼图）中获得的轨迹和图进行评估，这些域涉及数十万的状态和转换。然后在更大的实例上验证了所学习的表示。
引用
@article{arxiv.2411.14995,
title = {Learning Lifted STRIPS Models from Action Traces Alone: A Simple, General, and Scalable Solution},
author = {Jonas Gösgens and Niklas Jansen and Hector Geffner},
journal= {arXiv preprint arXiv:2411.14995},
year = {2025}
}
备注
accepted at ICAPS 2025