planning problems | BriefGPT

关键词planning problems

搜索结果 - 10

带有条件效果的 PDDL 领域的安全学习 -- 扩展版本
通过学习条件效应，我们提出了能够解决规划问题的第一个算法 ——SAM Learning of Conditional Effects (Conditional-SAM)。实验结果表明，Conditional-SAM 学习到的行动模型可以在大
PDF3 months ago
关系神经网络能解决哪些规划问题？
本论文通过建立关系性神经网络的电路复杂度分析与目标回归搜索之间的联系，揭示了策略学习中的规划问题有三类，同时证明了电路宽度和深度与物体数量和规划周期成正比，从而得出了设计策略学习神经网络的实用性。
PDF7 months ago
使用非时间启发式指导 HTN 时间规划中的搜索
本文提出了一种使用现有启发式方法解决 HTN 问题的新型 POCL（偏序因果链接）方法，实验证明该方法表现优秀且能够优于现有方法，从而解决了缺乏正式和一致定义的时间分层规划问题的不便。
PDFa year ago
利用预训练的大型语言模型构建和利用世界模型进行基于模型的任务规划
本研究引入了一种新的方法，使用 PDDL 语言构建显式世界模型，并利用预训练的大型语言模型作为 PDDL 和校验器等纠正反馈的接口，以提高计划问题的效率和准确性。在不涉及用户互动的情况下，通过验证 PDDL 模型的正确性，我们制定计划来解决
PDFa year ago
LLM+P：利用最优规划提升大型语言模型的性能
本文介绍了 LLM + P 框架，将经典计划器的优点结合到大语言模型中，可以通过自然语言描述解决计划问题，经过实验发现 LLM + P 可以提供大多数问题的最优解，而 LLMs 则无法为大多数问题提供甚至可行的计划。
PDFa year ago
快速与缓慢规划
通过建立一个灵感来自 Thinking Fast and Slow 的认知理论的系统架构 SOFAI，该系统可以在不同情境下解决计划问题，实现快速和慢思维，并且最终证明这种新的智能系统在问题的广泛性、解决时间和解决方案准确性等方面具有更好
PDFa year ago
基于深度神经网络的 Sokoban 计划中左重尾的影响及其策略和价值网络的有效性
通过将传统搜索方法与深度神经网络（DNN）相结合，对 Sokoban 进行了研究，发现 DNN 的策略和价值网络对于搜索具有出色的引导启发作用，特别是策略网络能够避免探索指数大小子树以实现左重尾的多项式缩放，因此随机重启在 DNN-base
PDF2 years ago
答案集规划：一项调查
本文调查了过去 2.5 十年中应用答案集编程（ASP）计算规划问题方面的进展和优劣，阐述了答案集规划的优缺点，给出了一些典型的应用方法和未来研究的挑战。
PDF2 years ago
ICML使用 MCTSnets 学习搜索
该论文提出了一种名为 MCTSnet 的体系架构，其将基于模拟的搜索嵌入神经网络中，并通过向量嵌入扩展，评估和备份。该网络的参数进行端到端的训练优化，应用于小范围的搜索中，显著优于 MCTS 基线的性能。
PDF6 years ago
具有简单因果图的规划问题的复杂性
本研究针对具有简单因果图的规划问题进行了三个新的复杂度结果研究。其中，针对具有二元状态变量和有向无环因果图的 3S 问题，我们提出了可用宏实现多项式时间复杂度的规划算法；同时，我们证明了具有多值变量和链式因果图的规划问题的方案存在问题为 N
PDF13 years ago