May, 2023

基于知识的规划的范畴表示语言和计算系统

PDF
TL;DR本文提出了基于范畴论概念的 C - 集合和双推出重写 (DPO) 的计划表示的一种替代方法，其可以有效处理支持所有层次域抽象的关于世界状态的结构化知识，提供了使用知识图谱和关系型数据库对世界状态和计划更新建模的形式语义，相较于经典规划表示，在处理隐含前提和效果上具有优越性，提供了一种更有结构的框架来建模和解决规划问题。
planningfirst-order logiccategory-theoretic representationknowledge graphsontology
发现论文，激发创造
  • 在经典规划方案中实现组合性编码

    本文采用范畴论的数学理论和图形语法对 PDDL 中的领域、问题和计划进行模型建模，通过将行动视为不同字面意义之间的映射，以描述动作之间的依赖性和选定的方案，并提供了一种图形语法和线性记法，以便推断计划的每一步所使用的替代方案。

    Jul, 2021

  • 基于 Horn 描述逻辑本体的规划表达能力（技术报告）

    本文通过基于 DL 本体的规划来解决开放世界状态约束，并提出了一种新的编译方案，即基于 DL 查询重写为具有分层否定的 Datalog 的标准 PDDL，以应对更具表现力的 DL，同时还证明了我们的方法可以优于以前的 DL 本体规划工作。

    Mar, 2022

  • 从状态空间结构学习规划的一阶符号表示

    通过将规划器使用的一阶符号表示从编码状态空间结构的非符号输入中学习，我们解决了图像与符号之间的鸿沟，这意味着推断一个完整的一阶表示（即一般的动作模式、关系符号和对象）来解释所观察到的状态空间结构。

    Sep, 2019

  • 学习基于一阶符号计划的基础表达

    本研究提出了一种新的学习规划模型的方法，其既有组合方法学习清晰的动作模板，又能够从图像空间中产生动作模板，这是结合前两种方法的优势的一步。

    Apr, 2022

  • 由实际到逻辑再到实践：从原始数据中创造符号词汇、行动和模型的规划方法

    本文介绍了一种自主学习的方法，通过无标注的高维真实值机器人轨迹，自动学习抽象状态和动作的可推广的基于逻辑的关系表示，形成了自动发明的类似 PDDL 的领域模型。通过确定性设置的实证结果表明，仅凭少量机器人轨迹就可以学习到强大的抽象表示，所学的关系表示包括但超越了高级动作的经典直观概念，并且学习的模型使得规划算法能够扩展到以前超出手工构思抽象的任务范围。

    Feb, 2024

  • 基于语言的因果表示学习

    利用结构化因果模型语言，可以从一个简单离散动态系统的状态图中恢复状态变量，同时所选择的最紧凑表示对于学习体验起到有意义的学习偏好作用。

    Jul, 2022

  • 基于 OWL DL 本体的本体导向规划（扩展版）

    基于本文提出的新方法，规划专家和本体专家可以分别处理规划规范和本体，并通过接口进行关联，从而实现对本体引导的规划问题的优化处理，以支持整个 OWL DL 片段。

    Aug, 2023

  • 本体概念的计量和聚合

    该论文描述了一种扩展一阶逻辑的方法，使方案更加容易修改，并引入了一个保护机制来保证公式的正确性，同时将该方案应用于四个不同问题领域的知识表示中。

    Feb, 2022

  • 基于高阶信念变化的通用多智能体认知规划器

    提出了一种多代理认知规划的表示语言，解决了现有编译成经典计划所面临的各种限制，包括只能生成线性计划、限制公共行动和无法处理分离信念等问题。

    Jun, 2018

  • 基于集合论的知识表示方法：表示部分

    本文提出了一种基于集合论的知识表示方法，通过个体、概念和运算符等集合论概念来表示应用领域的语法，使用等式断言来形式化知识。我们首先提出了一种简单的基础形式，然后在朴素集合论的基础上使用定义进行扩展，证明基础形式不仅能够定义命题联结词，而且还能定义量词。

    Mar, 2016