May, 2022

广义规划的声音抽象的自动验证

PDF
TL;DR本文基于 Cui 等人的研究，探索了用于广义规划的 sound abstraction 的自动验证，并提出了基于模型理论的 sound 和 complete abstraction 的定义。本文还提出了可验证 sound abstraction 的充分条件，并开发了处理计数和传递闭包的方法来实现其验证。最后，本文实现了一个 sound abstraction 验证系统，并在几个领域进行了实验。
发现论文，激发创造
  • 推广规划的可靠抽象保证 (扩展论文)

    本研究针对广义规划中的归纳学习过程中模型广化限制的问题，提出基于全量数据的抽象模型和自动化合成方法，并形式化证明了其可行性和正确性。

    May, 2019

  • 学习特征和抽象行动以计算广义计划

    本文介绍了一种结合自动学习和规划的方法来解决泛化计划问题，主要通过 Max SAT 表达式从已知实例的状态变迁中自动学习特征和抽象动作，并使用 fully observable 非确定性规划器生成泛化计划。实验结果展示了该方法的有效性。

    Nov, 2018

  • 模型规划中的广义启发式搜索的抽象解释

    本文介绍了如何通过抽象解释作为一个统一框架来构建搜索启发式，以扩展启发式搜索到使用更复杂的数据类型和函数（例如，集合，几何），甚至具有不确定性和概率影响的更丰富的世界模型，并展示了这些启发式可与学习相结合，允许代理在新颖的世界模型中借助由抽象推导出的信息快速启动计划。这表明抽象解释在构建通用推理系统中具有关键作用。

    Aug, 2022

  • 发现用于通用任务和动作规划的状态和动作抽象

    本文提出一种算法，用于通过学习特征、抽象和广义计划来解决连续机器人任务和运动规划中的困难问题。研究表明，仅使用少量示例学习的简单广义计划可以用于优化 TAMP 求解器的搜索效率。

    Sep, 2021

  • 广义规划中的特征、投影和表示变化

    本文将广义规划的标准公式扩展到包括关系型规划域，通过使用抽象动作进行策略生成和基于 FOND 计划器的计算。

    Jan, 2018

  • 泛化规划：非确定性抽象和轨迹约束

    本文研究了具有共同特征的问题集合的一般策略的特征和计算，并介绍了如何通过利用轨迹约束以及 LTL 公式来消除策略的终止条件以及降低规划的复杂度。

    Sep, 2019

  • 抽象代数中的初等证明的自动规划技术

    该研究探索了自动规划在自动定理证明中的应用，研究了利用规划构建抽象代数中的基础证明，证明自动规划技术在自动定理证明领域是可行的。

    Dec, 2023

  • 具有正负例的泛化规划

    本文将负例规划定义为一组不应由泛化计划解决的计划实例，并将计划验证的概念扩展到验证给定泛化计划解决输入正例实例时是否无法解决给定的一组负例实例，以量化评估泛化计划的能力，并展示如何将负例规划应用于计划综合的编译中，实验结果表明添加负例可以加速计划综合的过程，并提高合成计划泛化能力的定量度量方式。

    Nov, 2019

  • 噪声机器人程序抽象化

    本文介绍一种应用于概率和动态系统的抽象方法，通过基于概率信念的情境演算定义同类关系可将包含嘈杂执行器和传感器的详细概率基本操作理论抽象为可能的非随机基本操作理论，并得到节省细节的抽象 Golog 程序，简化了嘈杂机器人程序的实现，提供了更易于理解和解释的领域描述。

    Apr, 2022

  • 通用规划用于抽象推理语料库

    通过将 ARC 问题转化为广义规划问题，我们引入了 ARC 求解器 GPAR，采用指针的规划程序来解决 ARC 问题，利用表示对象中心抽象的外部函数结合标准规划域定义语言（PDDL）来表达每个 ARC 问题，并通过领域知识来扩展 GP 求解器，实验结果表明 GPAR 在 ARC 的对象中心任务上表现优于最先进的求解器，展示了 GP 的有效性和 PDDL 对建模 ARC 问题的表达能力。

    Jan, 2024