利用深度强化学习实现并行规划的元算子
人工智能
2024-03-15 v1
摘要
人们越来越关注将强化学习技术应用于 AI 规划，以期得出通用策略。通常，将 AI 规划的转移模型映射到马尔可夫决策过程的状态转移系统，是建立在假设各自动作空间存在一一对应关系的基础上的。在本文中，我们引入了元算子概念，作为同时应用多个规划算子的结果，并展示了在强化学习动作空间中包含元算子能够使强化学习解决新的规划视角问题，例如并行规划。我们的研究旨在分析在强化学习过程中引入元算子的性能和复杂度，特别是在以往使用常规广义规划模型未能取得满意结果的领域。因此，本文的主要目标是为以一种更紧密契合规划视角的方式重新定义强化学习动作空间铺平道路。
引用
@article{arxiv.2403.08910,
title = {Meta-operators for Enabling Parallel Planning Using Deep Reinforcement Learning},
author = {Ángel Aso-Mollar and Eva Onaindia},
journal= {arXiv preprint arXiv:2403.08910},
year = {2024}
}
备注
9 pages. Submitted to PRL workshop at ICAPS 2023