从规约合成定制化规划器

人工智能中现有的规划合成方法分为两类——领域无关方法和领域相关方法。领域无关方法适用于多种领域，但在任何特定领域中可能效率不高。领域相关方法需要为每个领域分别进行（重新）设计，但在其设计针对的领域中可能非常高效。这些方法的一个诱人替代方案是，在给定领域知识和规划理论的情况下，自动合成领域无关规划器。在本文中，我们研究了使用现有自动软件合成工具来支持此类合成的可行性。具体而言，我们描述了一种名为 CLAY 的架构，在该架构中，使用 Kestrel 交互式开发系统（KIDS），通过将声明式规划理论与特定领域的声明式控制知识进行半自动组合，来推导出领域定制化规划器。我们讨论了为 KIDS 编写声明式规划理论和控制知识意味着什么，并通过使用状态空间细化生成一类领域特定规划器来说明我们的方法。我们的实验表明，在使用相同控制知识的情况下，合成的规划器可以优于经典的细化规划器（实现为 UCP 的实例，Kambhampati & Srivastava, 1995）。我们将对比合成方法与定制领域无关规划器的传统方法之间的成本与收益。