Jun, 2023

基于地标的目标识别规划再探讨：使用初始状态地标是否有意义？

PDF
TL;DR本文研究基于规划地标的目标识别方法，经实验证明去除初始状态地标可以提高目标识别的性能和计算效率。
goal recognitionplan recognitionplanning landmarkscomputational efficiencyempirical results
发现论文，激发创造
  • 利用规划里程碑进行混合在线目标识别

    本文提出了一种在线目标识别混合方法，结合了符号规划和数据驱动方法， 并在真实世界的烹饪场景中进行了评估，研究结果表明，与现有技术相比该方法在计算时间上更高效，同时也提高了目标识别的性能。另外，论文也证明了该方法适用于真实世界的场景。

    Jan, 2023

  • 地标提取算法对基于地标的目标识别效果的评估

    探讨了使用多种不同的地标提取算法在目标和计划识别上的影响和效果，发现提取更多的地标并不一定能提高目标识别的精度和减小误差。

    May, 2020

  • 规划中的有序地标

    本文提出一种新的方法，在规划中利用排序约束来指导搜索，使用工具扩展 Koehler 和 Hoffmann 的合理顺序，找到 Landmarks 并将规划任务分解为多个子任务从而提高运行时间性能。

    Jun, 2011

  • 基于线性规划的目标识别规划方法

    本文提出了一种基于算子计数框架的方法来有效计算符合观察结果的解，用于解决目标识别任务，并对部分和噪声观测进行估计和满足观测。通过大规模数据集的实证评估，证明了该方法在一致性比率、准确性和分散性等方面优于以往方法，同时为解决目标识别任务的组合优化开辟了新的研究路径。

    May, 2019

  • 利用路径标志将广义规划扩展为启发式搜索

    本文提出了一种用于广义规划的地标计数启发式算法，可以考虑规划实例中未显式表示的子目标信息，进一步提升启发式搜索的效率和实现。

    May, 2022

  • 基于路标引导的分层强化学习子目标生成

    本文介绍了 HIerarchical reinforcement learning Guided by Landmarks (HIGL) 框架，该框架通过引导探索性的 Landmarks 来训练具有减少动作空间的高层级策略，实现高效探索。实验结果表明，该框架在控制任务中表现优异。

    Oct, 2021

  • 探索基于规划和数据驱动方法相结合的目标识别

    本文研究了两种先进的基于计划的计划识别方法在现实环境中的应用。我们发现这些方法在识别人类行为目标时存在困难，因为人类行为通常不是完全理性的。为了克服这个问题，我们提出了一种通过分类方法进行扩展的方法，该方法通过训练观察行为数据，不仅优于完全基于计划的和纯数据驱动的目标识别方法，而且能够更可靠地识别正确目标，特别是当只看到少量观察时，这大大提高了混合目标识别方法在智能辅助系统中的实用性。

    Jan, 2023

  • 相关分数：规划中的地标式启发式

    通过定义一种新的 “相关性评分” 来帮助识别出在大多数但并非所有计划中出现的事实或行动，我们研究了对地标概念的扩展。我们描述了一种计算此相关性评分并将其用作计划搜索中的启发式的方法。通过使用基准计划问题实验比较我们方法与现有的基于地标启发式计划方法的性能。尽管基于地标的启发式在具有明确定义地标的问题上的性能更好，但我们的方法显著提高了缺乏重要地标的问题的性能。

    Mar, 2024

  • 利用地标映射状态空间实现通用目标达成

    本文提出了一种在具有稀疏奖励下的大型 MDPs 中处理 long-range goals 的方法，该方法通过分层建模、farthest point sampling 和 RL 算法的结合来解决这个问题。实验结果表明，该方法比标准的 RL 算法更能有效地达成目标。

    Aug, 2019

  • 统一地图和基于地标的视觉导航表示

    提出了一种视觉导航的公式，该公式将基于地图的空间推理和路径规划与基于地标的稳健计划执行融合，该公式基于数据学习，能够高效地导航在新颖环境中，针对模拟现实世界环境进行了测试并报告了竞争基线方法的性能提高。

    Dec, 2017