- MM自主系统的时间规划通过区间逻辑可满足性
自动规划中的时间规划、规划图表、并发关系和可扩展性的研究。
- 通过规划和学习实现电子游戏测试的自动化
通过自动化测试和自动计划行动模型学习技术,本文提出了一种用于测试特定视频游戏方面的方法和工作流。该方法和工作流允许游戏开发人员和 PDDL 建模经验者之间的高效合作,以实现对计划领域描述语言 (PDDL) 的正式模型的生成,从而通过在 Un - 计算具有统一行动成本的计划
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 - 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。
- 面向连续决策的统一框架
近年来,自动规划(AP)和强化学习(RL)的整合引起了广泛关注。为了实现这种整合,我们试图提供一个适用于从传统规划到深度强化学习的任何方法的顺序决策制定(SDM)的通用框架,该框架借鉴了概率论和贝叶斯推断的概念。我们用训练和测试的马尔可夫决 - 计划本体的制定和利用以提高执行效率
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 - HDDL 2.1:面向时态 HTN 规划定义形式与语义
本文探讨了如何通过从 PDDL 2.1 中汲取灵感以表示数字和时间表达式,来扩展 HDDL,从而填补 HDDL 在实际应用中缺少数字和时间约束的问题。
- 理解大型语言模型在自动化规划方面的能力
该研究旨在探讨大型语言模型在自动计划中的应用,研究包括使用何种预训练数据最有效、微调或提示哪种方法最有效以及大型语言模型能否进行计划综合。
- 符号、子符号和混合方法在顺序决策制定方面的综述
该研究对于 SDM 的符号、子符号以及混合方法进行了评估,讨论了面临的挑战以及如何通过结合符号和子符号 AI 推进 SDM 领域的几项倡议。
- NeSIG: 一种神经符号方法用于学习生成规划问题
本文提出了一种名为 NeSIG 的新的领域无关方法,用于自动生成符合条件的、多样的、难以解决的规划问题,将问题生成视为马尔可夫决策过程,并用深层强化学习来训练两个生成策略,实验在几种经典领域进行,结果表明 NeSIG 能够自动生成更难以解决 - 自动计划的重构技术:一项系统性综述
该论文对经典规划的重组技术的大量研究进行了系统综述,旨在提供该领域的整体视图,并促进未来的研究。作为一个有形的结果,我们提供了现有技术分类的定性比较,这可以帮助研究人员获得它们的优点和缺点的概述。
- 使用 Transformers 生成符号化计划
本文介绍了 Plansformer,这是一个进行了微调的 LLM,可用于自动化规划,并且具有强大的转移学习能力,可适用于解决不同复杂度的规划领域,其中一个 Plansformer 的配置可实现 97% 有效计划,其中 95% 为汉诺塔谜题的 - 强化学习中的知识迁移无效行为学习
该研究提出了一种系统性的方法来将先验知识引入强化学习算法中,试图通过学习无关的行为来降低样本复杂性,并通过实验证明了其可以提高算法的样本效率和转移学习能力。
- AAAI在儿童临床环境中使用自动规划的社交辅助机器人
开发一种社交机器人,通过自动化规划帮助儿童应对医疗操作中的疼痛和不适感,机器人行为会根据儿童的情感状态进行自适应调整。
- 深度学习任务中的目标识别:GRNet 方法
研究使用机器学习将目标识别问题转化为分类任务,利用循环神经网络预测代理目标,并在性能上优于现有方法。
- A * 学习启发式方法的可微损失函数
本文讨论用于 A * 算法启发函数的深度神经网络的优化问题,提出使用 L * 损失函数可以显著提高迷宫等领域的自动化规划质量和效率。
- IJCAI自动化流程规划和挖掘
本研究项目旨在通过将人工智能和商业流程管理领域的研究结合起来,自动从执行流程数据中导出流程模型,并进行自适应规划和执行实时预测的业务流程。
- 基于行动语言的伦理决策情景中实际因果关系
本论文提出了适用于行动语言的实际因果关系定义,以联系自动化规划和因果关系,并显示了因果关系在伦理推理模拟中的重要性,从而使领域得以处理先前无法解决的情况。
- 将 AI 规划与自然语言处理相结合:明示和隐示知识的结合
本文介绍了人工智能规划和自然语言处理之间的相互作用,讨论了四个领域:基于规划的文本理解、基于规划的文本生成、基于文本的人机交互和基于文本的可解释规划,并探讨了一些潜在的未来问题。
- AAAI基于图神经网络和自适应调度的在线计划选择
论文提出了一种基于图神经网络的候选规划器选择方法,并结合自适应调度策略实现了机器人路径规划等问题的高效解决,相关代码已经开源。