信念空间搜索的规划图启发式方法
人工智能
2011-05-13 v1
摘要
条件规划方面的一些近期工作提出了可达性启发式方法来提高规划器的可扩展性，但许多工作缺乏对其距离估计属性的形式化描述。为了将先前的工作置于背景中并扩展条件规划启发式方法的研究，我们为信念状态之间的距离估计提供了形式化基础。我们给出了信念状态之间距离的定义，该定义依赖于聚合底层状态距离度量。我们提供了几种聚合状态距离的技术及其相关属性。许多现有的启发式方法表现出这些属性的一个子集，但为了提供标准化的比较，我们提出了在单个规划器中使用的几种规划图启发式方法的推广。我们通过研究结合 BDD 的高效规划图数据结构来计算最有效的启发式方法，从而补充了我们的信念状态距离估计框架。我们开发了两个规划器作为我们研究的测试平台。第一个 CAltAlt 是一个使用 A* 搜索的符合性回归规划器。第二个 POND 是一个使用 AO* 搜索的条件性进展规划器。我们展示了我们的启发式技术在这些规划器中的相对有效性。我们还将这些规划器的性能与几种最先进的条件规划方法进行了比较。
引用
@article{arxiv.1103.1711,
title = {Planning Graph Heuristics for Belief Space Search},
author = {D. Bryce and S. Kambhampati and D. E. Smith},
journal= {arXiv preprint arXiv:1103.1711},
year = {2011}
}