跳到正文
arXiv · AI· Jeffrey Jewett, William Solow, Sandhya Saisubramanian·· 9 天前AI 评分23

OHCAM 通过不确定性引导探索学习具有条件化与量化效应的动作模型

Learning Action Models with Conditional and Quantified Effects via Uncertainty-Guided Exploration

AI 导读

OHCAM 提出在线假设驱动方法,通过最大化竞争假设间分歧以主动降低不确定性,从而学习复杂动作模型。 该方法从简单假设集开始,仅在与数据不一致时扩展至复杂条件,具备可扩展性。 在 6 个基准规划领域及 Kinova Gen3 机器人实验中,OHCAM 展现出样本高效性,解决任务数显著超过基线。

来源:arXiv · AI · arxiv.org