利用课程驱动的深度强化学习求解困难 AI 规划实例
人工智能
2020-06-05 v1 机器学习
摘要
尽管通用 AI 规划取得了显著进展，某些领域仍超出当前 AI 规划系统的能力范围。Sokoban 是一个 PSPACE 完全的规划任务，代表了当前 AI 规划器最困难的领域之一。即便是领域专用的专门搜索方法，也因困难实例上的指数级搜索复杂度而迅速失效。我们基于深度强化学习并辅以课程驱动方法的方法，是首个能在一天训练时间内求解困难实例的方法，而其他现代求解器在任何合理时间限制内均无法求解这些实例。与以往使用精心手工剪枝技术的工作不同，我们的方法自动揭示领域结构。我们的结果表明，只要能设计合适的训练课程，深度 RL 为解决此前未解的 AI 规划问题提供了一个有前景的框架。
引用
@article{arxiv.2006.02689,
title = {Solving Hard AI Planning Instances Using Curriculum-Driven Deep Reinforcement Learning},
author = {Dieqiao Feng and Carla P. Gomes and Bart Selman},
journal= {arXiv preprint arXiv:2006.02689},
year = {2020}
}
备注
8 pages, 6 figures, accepted by IJCAI 2020