Jul, 2023

计划本体的制定和利用以提高执行效率

PDF
TL;DR本文研究了利用本体学作为基础的自动规划方法，通过分析国际规划竞赛中的规划领域和规划者的数据构建了一个规划本体，通过案例研究证明了利用本体可以选择合适的规划者并通过宏函数改善规划性能，并将本文所建立的规划本体和相关资源提供给社区以促进进一步的研究。
发现论文，激发创造
  • 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

  • 通过顺序宏操作增强时间规划领域（扩展版）

    我们提出了一种通用的顺序时态宏操作概念，在时态计划与共享资源上的并发执行下，保证所获得的计划的适用性，并在多个实验中显示了满意的计划质量的改善。

    Jul, 2023

  • ASP 中的多智体认知规划建模

    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

  • 符号搜索与表达式扩展的最优规划

    在经典计划中，为了满足智能体的目标，目标是制定一系列行动方案。扩展规划是用于捕获和模拟不同类型的推理问题的一种表达方式。本文中，我们提出使用符号搜索进行成本最优规划，为经典计划的不同表达扩展，包括公理、状态依赖性操作成本、过度订阅计划和前 k 个计划。

    Apr, 2022

  • 动态和部分可观测环境下的自治机器人决策增强技术

    OntoDeM 是一种基于本体论的决策模型，通过关键词代表了研究的主要主题和研究领域，能够改善在动态环境下智能体的实时观察，并取得更好的决策结果。

    May, 2024

  • 不完备知识与感知信息下的时态规划

    本文提出了一种结合 PDDL 的新型规划方法，考虑了不完整知识、感知、时间和数字限制条件，并在新的一组规划领域上评估了我们的求解器。

    Jul, 2022

  • 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

  • 利用探索性规划进行自主学习动作模型

    本文提出了一种新型的探索计划代理，它能够在没有专家跟踪或给定目标的情况下学习行动先决条件和效果，优化探索和行动模型学习，运用新的表示为 Lifted Linked Clauses 和一种新颖的探索行动选择方法，并在探索为中心的视频游戏场景中进行实证评估。

    Mar, 2022

  • 理解现实世界的人工智能规划领域：一个概念框架

    研发了一个概念框架，用于识别和分类真实世界规划领域，特别以可持续建筑作为应用领域，该框架能够影响 AI 规划系统在真实世界应用领域的设计、开发和适用性。

    Jul, 2023

  • 使用深度继承表示进行视觉语义规划

    本文提出了一种基于强化学习和模仿学习的视觉语义计划解决方案，使用后继表示来实现跨任务的泛化，用于预测将动态环境从初始状态转换到目标状态的操作序列，在 THOR 环境中实现了近乎最优的结果。

    May, 2017