symbolic planning | BriefGPT

关键词symbolic planning

搜索结果 - 10

基于可行性的任务规划与大型语言模型的 AutoGPT+P
提出了一种利用 Large Language Models（LLMs）来改善基于任务规划中推理能力的经典规划算法固有限制的系统 AutoGPT+P，该系统结合了基于行动能力的场景表示和规划系统，并能够在自然语言中为用户指定的任务推导和执行计
PDF5 months ago
AAAIPRP 重启：推进 FOND 规划艺术的最新发展
这项研究介绍了一种全观测非确定性计划（FOND）的新方法，通过引入新颖的 FOND 感知启发式技术，在 17 个领域中，比其他 FOND 计划程序在 18 个综合基准套件中显著提高了性能。
PDF7 months ago
学习用于符号规划的通用类型动作
提出了一种通过给定的实体层次结构和观察到的相似行为来泛化符号动作的新概念，证明在虚拟的网格化厨房环境中可以从少量观察中学习到类型泛化的动作，并且在规划过程中引入了一种即时泛化机制，能够解决包括更长序列、新实体和未预期环境行为的未见任务组合。
PDFa year ago
学习对象属性规划
本文提出了一种利用符号规划的方法，采用先前的训练数据自动训练神经网络识别物体属性的方法，并使用规划技术来自动化训练数据集的创建和学习过程。最后，我们在模拟和真实环境中进行了实验评估，结果表明所提出的方法能够成功地学习如何识别新的物体属性。
PDFa year ago
任务地理学：针对大型三维场景图的机器人任务规划评估
该研究提出了基于 3D 场景图的大规模机器人任务规划基准，系统研究了符号计划的性能，并提出了任务条件下的 3DSG 稀疏化方法 SCRUB 和学习规划器的结构化剪枝方法 SEEK，以期在机器人任务规划，学习和 3DSGs 等领域推动进一步的
PDF2 years ago
回归规划网络
本篇论文提出了一种联合学习和符号规划的回归规划网络方法，可以通过视觉输入直接生成长期符号计划，成功求解了预设规则和状态限制的一些本领域应用难题，表现出了接近于最优性能。
PDF5 years ago
MM基于知识的不确定性顺序决策制定
本文提出一种将 DRL 算法与符号计划相结合的新算法，引入声明性知识来提高其数据效率和可解释性，并通过公开基准的实验分析验证了其子任务的可解释性，结果表明我们的方法在数据效率方面优于现有的最先进方法。
PDF5 years ago
SDRL：利用符号计划的可解释且数据高效的深度强化学习
该研究提出了一种符号深度强化学习（SDRL）框架，该框架通过引入符号规划来实现任务层面的可解释性，并运用计划器 - 控制器 - 元控制器架构进行子任务调度、数据驱动子任务学习和子任务评估，实现与长期规划能力、符号知识以及直接从高维感官输入进
PDF6 years ago
IJCAIPEORL: 集成符号化规划与层次化强化学习用于鲁棒性决策
本文介绍了一种统一框架 PEORL，将符号计划与分层强化学习相结合，以应对不确定的动态环境下的决策制定，通过符号计划指导智能体的任务执行和学习，学到的经验则反馈给符号知识以改进计划，可在复杂领域产生快速的策略搜索和稳健的符号计划。
PDF6 years ago
KDD使用外部事件和可累计奖励解决关系型 MDPs 问题
本文介绍了一种符号规划算法，该算法是面向以对象为中心、独立的外部事件和捕捉库存控制等问题的服务域的，该算法具有明确的关于外部事件的关系 MDP 的性能保证，在某些技术条件下，我们的规划算法提供了关于最优值函数的单调下界。为了支持这种算法，我
PDF11 years ago