学习草图以将规划问题分解为有界宽度的子问题：扩展版
人工智能
2022-03-29 v1
摘要
近来，草图被引入作为一种通用语言，用于表示取自同一领域的实例的子目标结构。草图是在给定特征集上的形如 C -> E 的规则集合，其中 C 表达布尔条件，E 表达定性变化。每条草图规则定义一个子问题：从满足 C 的状态到达成 E 所表达变化或目标状态的状态。草图可编码简单的目标序列化、通用策略或有界宽度的分解，后者可由 SIW 算法的 SIW_R 变体以多项式时间贪心求解。先前工作已在基准领域上展示了草图的计算价值，这些领域虽可处理，却对领域无关规划器构成挑战。本工作中，我们解决在给定规划领域、目标问题类的一些实例及所期望的草图宽度界时自动学习草图的问题。我们给出该问题的逻辑表述、使用 ASP 求解器 Clingo 的实现及实验结果。该草图学习器与 SIW_R 规划器产生了一种领域无关规划器，以清晰显式的形式学习并利用领域结构。
引用
@article{arxiv.2203.14852,
title = {Learning Sketches for Decomposing Planning Problems into Subproblems of Bounded Width: Extended Version},
author = {Dominik Drexler and Jendrik Seipp and Hector Geffner},
journal= {arXiv preprint arXiv:2203.14852},
year = {2022}
}
备注
This work will appear in the Proceedings of the 32nd International Conference on Automated Planning and Scheduling (ICAPS2022)