在许多实际的规划应用中,代理人可能对寻找其动作成本尽可能均匀的计划感兴趣。本文将三个一致性度量指标应用于自动规划,并引入基于规划的编译方法,允许按词典顺序优化动作成本总和和动作成本的均匀性。在知名和新颖的规划基准实验结果中显示,可以有效地解决重构的任务以产生均匀的计划。
Feb, 2024
该研究旨在使用奖励函数来有效地做出明智的决策,通过提出抽象观测模型来降低计算成本并推导出期望信息论奖励函数的界限以及价值函数的界限,同时,提出了一种用于改善聚合方法的方法,实现了相同动作选择的计算时间减少。
Jan, 2022
该论文提出了一种新的规划算法,通过动态规划算法实现了计算效率的大幅提升,并且简化了目标分布的制定,同时在不确定的条件下获得了准确的模型学习和规划。
Jul, 2023
该论文提出了一种基于图神经网络的先见性规划方法,以预测机器人动作对未来任务的影响,指导机器人采取对将来有益的行为,从而降低整个规划过程的成本。实验表明,相比没有先见性规划,该方法能够将规划成本降低 5%,如果机器人可以提前准备环境,规划成本将降低 11%。
May, 2023
本文介绍了一种通过发现具有聚焦效应的宏操作,使目标计数启发式方法更准确的方法,大大提高了黑盒计划的效率。
Apr, 2020
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
本文提出了 Kc 语言,它扩展了 K 语言的声明式规划能力,并可以表示某些非平凡规划任务以及计算最短计划和最便宜和最快的计划的组合问题,同时研究了 Kc 语言的复杂性方面和通过逻辑程序的转化来解决计划问题的方法。实验表明,基于答案集规划的方法可能是解决复杂计划问题的有价值的方法。
Jun, 2011
AI 规划研究中,规划问题的定义和表达是关键。文章建议改变规划流程,采用在线建模与离线规划的方式,以更好地适应现实需求,并提出了一个基于动作成本估计的具体实现方法。
Jun, 2022
本文提出了一种新的方法,使用最少的查询界面,采用分层查询算法来生成询问策略,以估算黑盒自主智能体的可解释性实体模型,并使用谓词分类器学习代表状态的图像的规划智能体的可解释模型。经验证明,尽管可能存在无法搜索的潜在空间,但我们的方法允许对各种黑盒自主智能体进行正确和可扩展的估算。
Dec, 2019
研究了如何在动态部分可观测领域中识别确定性动作效果和先决条件,并提出了可行的算法来解决这个问题。
Jan, 2014