Safe-Planner：一种用于在全可观测非确定性域中计算强循环策略的单结果重规划器
人工智能
2021-09-24 v1 机器人学
摘要
重规划器是求解非确定性规划问题的高效方法。尽管展现出良好的可扩展性，现有重规划器常无法求解涉及大量误导性规划的问题，即那些不会导致强解、但因长度极短而在每次重规划迭代中很可能被找到的弱规划。重规划器在此类问题中的不佳表现源于其全结果确定性化：在从非确定性向经典规划编译时，它们将所有编译后的经典算子包含于单一确定性域中，导致重规划器持续生成误导性规划。我们提出一种离线重规划器 Safe-Planner (SP)，它依赖单结果确定性化将非确定性域编译为一组经典域，并采用排序启发式对所得经典域排序。所提出的单结果确定性化与启发式允许在不同经典域间切换。我们通过实验表明，该方法可使 SP 避免生成误导性规划，而是生成直接导向强解的弱规划。实验显示 SP 在求解更广范围的问题上优于最先进的(state-of-the-art)非确定性求解器。我们还在真实世界非确定性机器人任务中验证了 SP 的实用价值。
引用
@article{arxiv.2109.11471,
title = {Safe-Planner: A Single-Outcome Replanner for Computing Strong Cyclic Policies in Fully Observable Non-Deterministic Domains},
author = {Vahid Mokhtari and Ajay Suresha Sathya and Nikolaos Tsiogkas and Wilm Decre},
journal= {arXiv preprint arXiv:2109.11471},
year = {2021}
}
备注
8 pages, 5 figures