从噪声和不完整观测中学习 STRIPS 算子
机器学习
2012-10-19 v1 人工智能
机器学习
摘要
在现实领域中学习自主行动的智能体必须获取其操作领域的动态模型。学习领域动态可能具有挑战性，特别是在智能体只能部分访问世界状态和/或拥有噪声外部传感器的情况下。即使在标准 STRIPS 领域中，现有方法也无法从现实领域典型的噪声和不完整观测中进行学习。我们提出了一种在此类领域中学习 STRIPS 动作模型的方法，通过将问题分解为首先学习状态间的转移函数（形式为一组分类器），然后从分类器参数中推导显式的 STRIPS 规则。我们在国际规划竞赛的模拟标准规划领域上评估了我们的方法，结果表明该方法能够从噪声和不完整观测中学习有用的领域描述。
引用
@article{arxiv.1210.4889,
title = {Learning STRIPS Operators from Noisy and Incomplete Observations},
author = {Kira Mourao and Luke S. Zettlemoyer and Ronald P. A. Petrick and Mark Steedman},
journal= {arXiv preprint arXiv:1210.4889},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-Eighth Conference on Uncertainty in Artificial Intelligence (UAI2012)