跳到正文
arXiv · AI· Jonas Reiter, Jakob Elias Gebler, Hector Geffner·· 10 天前AI 评分34

用于经典规划的提升动作模式可微学习

Differentiable Learning of Lifted Action Schemas for Classical Planning

AI 导读

研究提出了一种新的神经网络架构,用于在动作参数不可见的轨迹中可微学习提升动作模式(lifted action schemas)。 该架构解决了从状态变化中同时识别动作参数的问题,可作为鲁棒组件集成到神经符号模型中,并在多个规划域上成功恢复了真实结构。

来源:arXiv · AI · arxiv.org