关系图神经网络无法学习用于规划的 $C_2$ 特征
人工智能
2025-06-16 v1 机器学习
摘要
关系图神经网络（R-GNN）是一种基于 GNN 的方法，用于学习可以从给定规划领域泛化到未见问题的价值函数。R-GNN 的理论动机源于 GNN 表达能力与 （含两个变量和计数的 一阶逻辑）之间众所周知的联系。在规划的语境中， 特征指的是由规划领域的单目谓词和二元谓词所定义关系的 公式集合。某些规划领域表现出可分解为 特征算术表达式的最优价值函数。我们证明，与经验结果相反，R-GNN 无法学习由 特征定义的价值函数。我们还识别出可能更好地学习由 特征定义的价值函数的先前 GNN 架构。
引用
@article{arxiv.2506.11721,
title = {Relational GNNs Cannot Learn $C_2$ Features for Planning},
author = {Dillon Z. Chen},
journal= {arXiv preprint arXiv:2506.11721},
year = {2025}
}