Learning Planning Domain Descriptions in RDDL
Learning Planning Domain Descriptions in RDDL
复制标题
RDDL 中的学习规划领域描述
DOI：
10.1142/s0218213015500025
复制
发表时间：
2014-10
影响因子：
1.1
通讯作者：
蒋志华
中科院分区：
文献类型：
--
作者：
饶东宁;蒋志华
近年来，人们对动作模型学习的兴趣越来越大。然而，大多数以前的研究集中在学习效果为基础的行动模式。另一方面，在最近的规划竞赛中提出了一种基于规则的规划领域描述语言。这就是关系动态影响图语言（Relational Dynamic Influence Diagram Language，简称RISK）。它使用规则来描述转换，而不是动作模型。在本文中，我们建立了一个系统来学习规划领域的描述，在Rounds。Rounds域描述有三个主要部分：约束、转换和奖励。我们首先利用有限状态机分析来识别约束。然后，我们采用归纳学习技术来学习转换。最后，我们使用回归来确定奖励。评估是根据规划竞赛的基准进行的。结果表明，我们的系统可以学习领域描述的Rectangle与低错误率。此外，我们的系统是基于经典方法开发的。这表明，规划语言的起源于以往的规划语言。因此，更经典的方法可能在Rounds域中是有用的。
Recently, there is increasing interest in action model learning. However, most previous studies focused on learning effect-based action models. On the other hand, a rule-based planning domain description language was proposed in the latest planning competition. That is the Relational Dynamic Influence Diagram Language (RDDL). It uses rules to describe transitions instead of action models. In this paper, we build a system to learn planning domain descriptions in the RDDL. There are three major parts of an RDDL domain description: constraints, transitions and rewards. We first take advantage of the finite state machine analysis to identify constraints. Then, we employ the inductive learning technique to learn transitions. At last, we use regression to fix rewards. The evaluation was performed on benchmarks from planning competitions. It showed that our system can learn domain descriptions in the RDDL with low error rates. Moreover, our system is developed based on classical approaches. It implicates that the RDDL roots in previous planning languages. Therefore, more classical approaches could be useful in the RDDL domains.
登录
查看更多内容
DOI：
10.1142/s0218213012500327
发表时间：
2012-12
期刊：
Int. J. Artif. Intell. Tools
影响因子：
--
作者：
José Ignacio Fernández-Villamor;C. Iglesias;M. Garijo
通讯作者：
José Ignacio Fernández-Villamor;C. Iglesias;M. Garijo
DOI：
10.1613/jair.227
发表时间：
1995-06
期刊：
J. Artif. Intell. Res.
影响因子：
--
作者：
Geoffrey I. Webb
通讯作者：
Geoffrey I. Webb
DOI：
10.1017/s0269888907001087
发表时间：
2007-06
期刊：
The Knowledge Engineering Review
影响因子：
--
作者：
Kangheng Wu;Qiang Yang;Yunfei Jiang
通讯作者：
Kangheng Wu;Qiang Yang;Yunfei Jiang
DOI：
--
发表时间：
--
期刊：
--
影响因子：
--
作者：
通讯作者：
--
影响因子：
7.5
作者：
J. R. Quinlan
通讯作者：
J. R. Quinlan