利用Answer Set和知识论编程确定STRIPS中的Action Reversibility
通过发现究竟为何circumscription和stable model semantics在某些情况下意义相同,本文利用普通稳定模型理论重新阐述了situation calculus和event calculus,并完成了进一步的翻译,将其转化为应用高效答案集求解器来计算
Jan, 2014
该文章介绍了COREALMLIB,它是一个常识知识关于动态领域的ALM库。该库由CLIB的一部分通过ALM进行翻译获得,目标是CLIB状态和行为。结果ALM库包含123个行动类的描述,分成43个可重用的模块,可以与ASP推理算法无缝集成。
Aug, 2016
本研究介绍了一个统一框架来集成先前的 commonsense reasoning and probabilistic planning(icorpp)框架的推理和计划组件,并扩展了概率动作语言 pBC+ 以表达常识知识,避免手动努力。
Jul, 2019
该研究介绍了一种将Epistemic Logic Programs转换成非地面(non-ground)ASP的方法,并且在原型ELP求解系统“selp”上进行了实现和实验。
Jan, 2020
本文介绍了一种基于声明式编程技术的多智能体认知情境下的推理问题的解决方案,即PLATO(基于ePistemic多智能体Answer Program解决方案),利用自定义认知状态表征和ASP求解器的效率,在从文献中收集的基准测试中取得了有竞争力的性能结果,并为其正确性开发了形式验证。
Aug, 2020
文章介绍一种基于Answer Set Programming (ASP)的不完整信息规划的通用方法,提出使用量化Answer Set Programming (QASP)来解决符合和条件型规划问题,并介绍了一款基于翻译的QASP求解器用于将量化逻辑程序转换为量化布尔公式(QBF)进而求解。
Aug, 2021
利用动态认知逻辑(DEL)的多代理规划在处理非确定性、部分可观察性和任意知识嵌套方面具有广泛应用的行动形式主义中,我们通过一种新颖的语义方法达到可决定性的目标。我们展示了该框架具有可决定的特性,并研究了其他扩展的交换公理以实现更复杂的DEL的决定性。
Jul, 2023
提出使用经典规划和大型语言模型共同实施领域归纳、学习和验证动作的前后条件,利用LLM推理来启发性地完成经典规划器发出的部分计划,并根据执行后的环境反馈用逻辑语言推断领域的语义规则。通过对7个环境的分析表明,使用LLMs作为启发性规划器和规则预测器仅需一个专家精心策划的示例计划,就能够比随机探索更少的执行步骤和环境重置,并同时恢复领域的基本行动语义。
Jun, 2024