基于标准表示与领域无关规划器求解魔方
人工智能
2023-08-22 v2
摘要
魔方（RC）是一个著名且计算上具有挑战性的谜题，促使 AI 研究者探索高效的替代表示与问题求解方法。此处规划的理想情形是：问题以标准记号被最优且高效地表示，并使用通用求解器与启发式方法求解。当前 RC 最快的求解器是采用自定义表示的 DeepCubeA，另一方法是采用 Scorpion 规划器与 State-Action-Space+（SAS+）表示。在本文中，我们给出广受欢迎的 PDDL 语言中首个 RC 表示，使该领域更易于被 PDDL 规划器、竞赛与知识工程工具访问，且更具人类可读性。随后我们桥接现有方法并比较性能。我们发现，在一个可比实验中，DeepCubeA（以 12 个 RC 动作为训练）求解了所有不同复杂度的问题，但仅 78.5% 为最优规划。对同一问题集，采用 SAS+ 表示与模式数据库启发式的 Scorpion 最优求解了 61.50% 的问题，而采用 PDDL 表示与 FF 启发式的 FastDownward 求解了 56.50% 的问题，其中生成的规划有 79.64% 为最优。我们的研究为表示选择与平面最优性之间的权衡提供了宝贵见解，可帮助研究者结合通用求解方法（规划、强化学习）、启发式与表示（标准或自定义）为挑战性领域设计未来策略。
引用
@article{arxiv.2307.13552,
title = {On Solving the Rubik's Cube with Domain-Independent Planners Using Standard Representations},
author = {Bharath Muppasani and Vishal Pallagani and Biplav Srivastava and Forest Agostinelli},
journal= {arXiv preprint arXiv:2307.13552},
year = {2023}
}