Extending planning knowledge using ontologies for goal opportunities
Universitat Politècnica de València(瓦伦西亚理工大学)
以目标为导向的行为方法包括在线规划和机会主义规划,通过生成替代目标来避免失败或抓住机会,从而应对环境的变化。然而,当前的方法仅解决与正在解决的规划任务中已经定义的对象或对象类型相关的未预期的变化。本文描述了一种独立于领域的方法,通过扩展具有新类型的相关对象的规划任务的知识来推进最新技术。该方法利用本体,语义措施,本体对齐,以适应新获得的数据,触发制定目标的机会,诱导一个更好的价值计划。
2019-04-07 cs.AI
Planning as Goal Recognition: Deriving Heuristics from Intention Models -- Extended Version
本文提出基于分歧的目标意图评估框架,推导出高效可计算的启发式方法,并展示其在经典规划问题求解中的改进效果。
2026-03-24 cs.AI
On Reasonable and Forced Goal Orderings and their Use in an Agenda-Driven Planning Algorithm
本文讨论了计算目标排序的问题,这是人工智能规划中的一个长期存在的问题。它作出了两项新的贡献。首先,它正式定义和讨论了两种不同的目标排序,这是所谓的合理和强制排序。这两种排序都是为简单的ADL运算符以及支持否定和条件效应的更复杂的ADL运算符定义的。这些订单的复杂性进行了调查,并讨论了它们的实际意义。其次,提出了两种计算合理目标排序的方法。其中之一是基于规划图,而其他调查的行动直接。最后,它示出了如何的排序关系,这已经得到了一组给定的目标G,可以用来计算一个所谓的目标议程,划分成一组有序的子目标G。原则上,任何计划者都可以使用目标议程来计划越来越多的子目标。这可以导致指数级的复杂性降低,因为复杂规划问题的解决方案是通过解决更容易的子问题来找到的。由于只有一个多项式的开销是由目标议程计算,一个潜在的存在,以显着加快规划算法,因为我们在实证评估中证明,我们使用这种方法在IPP规划。
2011-06-01 cs.AI
GRAVITAS: A Model Checking Based Planning and Goal Reasoning Framework for Autonomous Systems
Griffith University(格里菲斯大学);National University of Singapore(新加坡国立大学);Defence Science and Technology Group, Australia(澳大利亚国防科学与技术集团);University of South Australia(南澳大学)
虽然人工智能技术在自主系统中有许多成功的应用,但其中许多技术允许难以解释的行为,并可能导致不确定的结果。我们遵循“验证规划”的范式,并建议使用模型检验技术来解决规划和目标推理问题的自治系统。我们给出了一个新的制定目标任务网络(GTN)是为我们的模型检验为基础的框架。然后,我们提供了一个系统的方法,模型GTN的模型检查过程分析工具包(PAT)。我们提出我们的规划和目标推理系统作为一个框架,称为独立可信自治系统(GRAVITAS)的目标推理和验证,并讨论它如何有助于在不确定的环境中提供值得信赖的计划。最后,我们证明了所提出的想法在实验中,模拟的REMUS-100自主水下航行器执行的调查任务。
2019-10-03 cs.AI
TIDE: A Trace-Informed Depth-First Exploration for Planning with Temporally Extended Goals
TIDE通过分解时间问题为可达-避免子问题,结合成本驱动启发式方法,提升时间扩展目标规划的效率和完整性。
2026-01-17 cs.AI
Leveraging Planning Landmarks for Hybrid Online Goal Recognition
Institute for Enterprise Systems, University of Mannheim(曼海姆大学企业系统研究所);Data and Web Science Group, University of Mannheim(曼海姆大学数据与网络科学研究组)
目标识别在许多应用领域(例如,普适计算、入侵检测、计算机游戏等)。在许多应用场景中,重要的是目标识别算法可以尽可能快地识别被观察的Agent的目标,并且具有最少的领域知识。因此,在本文中,我们提出了一种混合的方法,结合了一个象征性的规划地标为基础的方法和数据驱动的目标识别方法,在线目标识别,并评估它在现实世界中的烹饪场景。实验结果表明,该方法不仅在计算时间方面比现有技术更有效,而且还提高了目标识别性能。此外,我们表明,利用规划地标为基础的方法,这是迄今为止只评估人工基准域,也实现了良好的识别性能时,应用到现实世界的烹饪场景。
2023-01-25 cs.AI
Planning in Stochastic Environments with Goal Uncertainty
College of Information and Computer Sciences, University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校信息与计算机科学学院);Alliance Innovation Lab Silicon Valley(联盟硅谷创新实验室)
我们提出了目标不确定的随机最短路径(GUSSP)问题-一个通用的框架模型的路径规划和决策在随机环境中的目标不确定性。该框架扩展了随机最短路径(SSP)模型的动态环境中,它是不可能的,以确定确切的目标状态提前执行计划。GUSSP通过允许对可能的目标配置的信念来引入目标规范的灵活性。潜在目标的独特观察有助于智能体在计划执行期间识别真正的目标。部分可观测性被限制到目标,便于减少到一个SSP与修改的状态空间。我们正式定义了一个GUSSP,并讨论其理论性质。然后,我们提出了一个可接受的启发式,减少规划时间使用FLARES -一个开始的最先进的概率规划。我们还提出了一个确定性的方法来解决这类问题。最后,我们提出了实证研究结果的搜索和救援移动机器人和其他三个问题域的模拟。
2020-04-03 cs.AI
Satisficing and Optimal Generalised Planning via Goal Regression (Extended Version)
针对通用规划任务,本文提出基于目标回归的简单新方法,生成可直接执行或用于搜索剪枝的一阶规则,证明了其有效性条件,实验证实其性能优于现有最优规划器。
2025-11-14 cs.AI
Diffusion Subgoal Planning for Long-Horizon Offline Goal-Conditioned Reinforcement Learning
China University of Mining and Technology(中国矿业大学);South China University of Technology(华南理工大学)
针对长视界离线目标条件强化学习中价值函数不稳定问题,提出基于扩散的子目标生成框架DSP,通过无分类器引导生成可达且目标导向的子目标,在导航和操作任务上优于现有方法。
2026-10-21 cs.AI
Fairness in Multi-Agent Planning
Universidad Carlos III de Madrid(马德里卡洛斯三世大学)
本文针对合作式多智能体规划中目标分配的公平性问题,将已知公平性方案适配到MAP中,并提出两种生成成本感知公平计划的新方法,实验证明其优于基线且无需牺牲过多计划成本。
2023-05-22 cs.AI
Investigating the Combination of Planning-Based and Data-Driven Methods for Goal Recognition
University of Mannheim(曼海姆大学)
普适的智能辅助系统的一个重要特征是能够动态地适应其用户的当前需求。因此,这类系统必须能够根据对用户行为和环境状态的观察来识别这些目标和需求。在这项工作中,我们研究了两个国家的最先进的,基于规划的计划识别方法在现实世界中的应用。到目前为止,这些方法只在人工环境中与行为完全理性的代理相结合进行评估。我们表明,这种方法有困难时,用于识别人类受试者的目标,因为人类的行为通常是不完全理性的。为了克服这个问题,我们提出了一个扩展到现有的方法,通过一个基于分类的方法训练观察到的行为数据。我们的经验表明,所提出的扩展不仅优于纯粹的基于规划和纯粹的数据驱动的目标识别方法,但也能够识别正确的目标更可靠,特别是当只有少量的观察。这大大提高了智能辅助系统的混合目标识别方法的有用性,因为早期识别目标为系统的支持性反应提供了更多的可能性。
2023-01-13 cs.AI
Planning Landmark Based Goal Recognition Revisited: Does Using Initial State Landmarks Make Sense?
University of Mannheim(曼海姆大学)
本文探讨基于规划地标的目标识别中,使用初始状态地标是否有益,通过实证表明省略初始状态地标可提升目标识别性能。
2023-11-10 cs.AI
Decentralized Multi-Agent Goal Assignment for Path Planning using Large Language Models
Center for Intelligent Machines (CIM) Laboratory(智能机器中心(CIM)实验室);McGill University(麦吉尔大学)
针对多智能体路径规划的分布式目标分配难题,提出基于LLM的智能体方案,通过独立推理排序加确定性规则消解冲突,实验证明其性能优于传统启发式、接近最优分配,验证了LLM在该场景的应用潜力。
2025-10-27 cs.AI
Ordered Landmarks in Planning
许多已知的规划任务具有关于实现目标的最佳顺序的固有约束。已经进行了一些研究工作,以发现这种限制,并利用它们来指导搜索,希望加快规划过程。我们超越了以前的方法,考虑排序约束不仅在(顶层)的目标,而且在子目标,将必然出现在规划。地标是在每个有效的解决方案计划中的某个点上必须为真的事实。我们扩展克勒和霍夫曼的定义之间的合理订单的最高级别的目标,更一般的情况下,地标。我们将展示如何发现地标,如何近似其合理的顺序,以及如何使用这些信息将给定的规划任务分解为几个较小的子任务。我们的方法完全独立于领域和规划者。实施表明,该方法可以产生显着的运行时性能改善时,作为一个控制回路周围的国家的最先进的次优规划系统,例如FF和LPG。
2011-06-30 cs.AI
Learning to Ground Existentially Quantified Goals
Linköping University(林雪平大学);RWTH Aachen University(亚琛工业大学)
本文提出用监督学习和GNN架构解决目标实例化问题,通过在小规模实例上训练预测部分量化目标代价,并在更大实例上验证其跨目标变量数和对象数的泛化能力。
2024-09-30 cs.AI
Intention-Net: Integrating Planning and Deep Learning for Goal-Directed Autonomous Navigation
National University of Singapore(新加坡国立大学);Panasonic R&D Center Singapore(松下新加坡研发中心)
送货机器人如何在最少的先验信息的情况下可靠地导航到新办公楼的目的地?为了应对这一挑战,本文介绍了一种两级分层方法,该方法集成了无模型深度学习和基于模型的路径规划。在低层,神经网络运动控制器(称为意图网络)经过端到端训练,以提供强大的本地导航。意图网络将来自单个单目摄像机的图像和“意图”直接映射到机器人控制。在高级,路径规划器使用粗略的地图,例如,一个二维平面图,用来计算从机器人当前位置到目标的路径。计划路径为意图网提供意图。初步的实验表明,学习的运动控制器是强大的感知不确定性和集成的路径规划,它有效地推广到新的环境和目标。
2017-10-17 cs.AI
Proposing Hierarchical Goal-Conditioned Policy Planning in Multi-Goal Reinforcement Learning
Stellenbosch University(斯泰伦博斯大学)
本文提出HGCPP框架,将目标条件策略、蒙特卡洛树搜索与分层强化学习相结合,通过分层组织短期策略和高层动作规划,提升多目标稀疏奖励任务中的样本效率与规划能力。
2025-01-03 cs.AI cs.LG
Online Bayesian Goal Inference for Boundedly-Rational Planning Agents
Massachusetts Institute of Technology(麻省理工学院)
人们通常通过观察他人的行为来推断他们的目标。值得注意的是,即使这些行动导致失败,我们也可以这样做,使我们能够在发现他人可能无法实现目标时帮助他们。我们如何才能赋予机器类似的能力?在这里,我们提出了一个架构,能够推断代理的目标在线从最佳和非最佳的行动序列。我们的架构模型代理有限理性规划者交错搜索与执行重新规划,从而占次优行为。这些模型被指定为概率程序,使我们能够代表和执行有效的贝叶斯推理代理的目标和内部规划过程。为了进行这样的推理,我们开发了顺序逆计划搜索(SIPS),顺序蒙特卡罗算法,利用这些模型的在线重新规划假设,限制计算增量扩展推断的计划,观察到新的行动。我们提出的实验表明,这种建模和推理架构优于贝叶斯逆强化学习基线,准确地从涉及失败和回溯的最佳和非最佳轨迹推断目标,同时在具有组成结构和稀疏奖励的域中进行推广。
2020-10-25 cs.AI
HorizonFlow: Variable-Length Planning for Offline Goal-Conditioned RL
Korea University(高丽大学);Gauss Labs Inc.(高斯实验室公司)
HorizonFlow提出将规划长度作为生成输出的分层规划器,通过流匹配与插入式生成联合优化长度与内容,在多个基准上取得最优平均性能。
2026-09-30 cs.AI
An LP-Based Approach for Goal Recognition as Planning
Federal University of Rio Grande do Sul(南里奥格兰德联邦大学);Pontifical Catholic University of Rio Grande do Sul(南里奥格兰德天主教大学);Sapienza University of Rome(罗马大学)
目标识别的目的是识别与Agent的观察行为兼容的候选目标集。在本文中,我们开发了一种基于运算符计数框架的方法,该方法可以有效地计算满足观测结果的解决方案,并使用生成的信息来解决目标识别任务。我们的方法的原因明确的部分和噪声观测:估计前者的不确定性,并满足观测的传感器的不可靠性为后者。我们在一个大型数据集上对我们的方法进行了经验评估,分析了每个组件如何影响解决方案的质量。在一般情况下,我们的方法是优于以前的方法在协议比,准确性和传播。最后,我们的方法铺平了道路,新的研究组合优化,以解决目标识别任务。
2021-06-15 cs.AI
Landmark-Based Plan Recognition
Pontifical Catholic University of Rio Grande do Sul(南里奥格兰德州天主教大学)
使用行动执行的不完整证据识别目标和计划可以通过使用规划技术有效地完成。在许多应用中,不仅要准确而且要快速地识别目标和计划。在本文中,我们开发了一种启发式的方法来识别计划的基础上规划技术,依赖于排序约束过滤候选目标的观察。这些排序约束在规划文献中被称为地标,它们是实现目标无法避免的事实或行动。我们展示了规划地标在两种环境中的适用性:第一,我们直接使用它来开发一个基于规划的计划识别方法;第二,我们通过预过滤其候选目标来改进现有的基于规划的计划识别方法。我们的实证评估表明,我们的方法不仅在所有可用数据集中比最先进的方法准确得多,而且速度也快了一个数量级。
2017-02-07 cs.AI
Fast Value Iteration for Goal-Directed Markov Decision Processes
Hong Kong University of Science & Technology(香港科技大学)
规划问题中的行动的影响是不确定的,可以建模为马尔可夫决策过程。规划问题通常是目标导向的。本文提出了几种技术,利用目标导向加速值迭代,解决马尔可夫决策过程的标准算法。实证研究表明,这些技术可以显着提高速度。
2013-02-06 cs.AI
Soft Goals Can Be Compiled Away
Universitat Pompeu Fabra(庞培法布拉大学);ICREA(加泰罗尼亚高级研究学院)
软目标用一个简单的偏好模型扩展了经典的计划模型。最好的计划不是成本最低的计划,而是效用最大的计划,其中计划的效用是实现的软目标的效用之和减去计划成本。寻找高效用的计划似乎涉及两个相关的问题:选择一个子集的软目标来实现,并找到一个低成本的计划来实现它们。新的搜索算法和算法已经被开发用于具有软目标的规划,并且在国际规划竞赛(IPC)中引入了一个新的赛道来测试它们的性能。然而,在本说明中,我们表明这些扩展是不需要的:软目标并没有增加行动成本规划的基本模型的表达能力,因为它们可以很容易地被编译掉。我们将此编译的问题的净效益跟踪最近的IPC,并表明,最佳和满意的成本为基础的规划者做得更好的编译问题比最佳和满意的净效益规划者的原始问题,明确的软目标。此外,我们表明,处罚,或消极的偏好表达的条件,以避免,也可以编译使用类似的想法。
2014-01-15 cs.AI
Structure and Problem Hardness: Goal Asymmetry and DPLL Proofs in<br> SAT-Based Planning
在验证和(最优)AI规划中,一个成功的方法是将应用程序制定为布尔可满足性(SAT),并使用最先进的基于DPLL的程序来解决它。人们不理解为什么这一点如此有效。专注于规划的背景下,我们确定了一种形式的问题结构的对称或不对称的性质,实现个人的规划目标的成本。我们用一个叫做AsymRatio的简单数值参数来量化这种结构,范围在0到1之间。自2000年以来,我们在国际规划竞赛的10个基准域中进行实验,我们表明AsymRatio在其中8个域中是SAT求解器性能的良好指标。然后,我们研究精心制作的合成规划域,允许控制的结构量,并足够干净的组合搜索空间的严格分析。这些域通过大小和结构的量来参数化。我们研究的CNF是不可满足的,编码一个规划步骤的长度小于最优计划。我们证明了最好的DPLL反驳的大小上的上限和下限,根据不同的设置的结构量,作为大小的函数。我们还确定了分支变量(后门)的最佳可能集合。最小AsymRatio,我们证明了指数下界,并确定最小后门的大小线性的变量的数量。最大的AsymRatio,我们确定对数DPLL反驳(和后门),显示两个结构极端情况之间的双指数差距。这种行为的原因-证明参数-阐明了导致竞争基准中观察到的经验行为的结构的原型模式。
2007-02-26 cs.AI
Planning for Goal-Oriented Dialogue Systems
IBM Research AI(IBM研究院人工智能部门);Future of Humanity Institute, University of Oxford(牛津大学人类未来研究所);IBM Watson(IBM沃森);Watson Data and AI(沃森数据与人工智能部门)
生成复杂的多回合目标导向的对话代理是一个难题,已经引起了科技行业许多领导者的关注,包括IBM,谷歌,亚马逊和微软。这在很大程度上是由于市场对能够以目标为导向的行为的对话代理的需求迅速增长。由于这些对话的业务流程性质,端到端机器学习系统通常不是一个可行的选择,因为生成的对话代理必须是可部署的,并代表创作它们的企业进行验证。在这项工作中,我们提出了一个范式转变,在创建面向目标的复杂的对话系统,大大消除了设计师需要手动指定一个对话树,几乎所有的当前系统都诉诸于当交互模式落在标准模式,如插槽填充。我们提出了对话代理的声明性表示,以通过最先进的规划技术进行处理。我们提出的方法涵盖了该过程的各个方面;从模型征集到生成的计划/对话代理的执行。一路上,我们介绍了新的规划编码声明式对话合成,各种接口的规范作为对话架构师,和一个强大的执行器广义的应急计划。我们已经创建了所有组件的原型实现,在本文中,我们进一步证明了由此产生的系统经验。
2019-10-17 cs.AI
Best-First Width Search for Multi Agent Privacy-preserving Planning
Università degli Studi di Brescia(布雷西亚大学);The University of Melbourne(墨尔本大学)
在多智能体规划中,保护智能体的隐私已经成为一个越来越热门的研究课题。为了保护代理人的隐私,代理人共同计算一个计划,通过保持某些信息对个体代理人的隐私来实现共同的目标。不幸的是,这可能会严重限制搜索解决方案时使用的启发式函数的准确性。最近已经表明,对于集中式规划,通过结合面向目标的搜索和基于宽度的搜索,可以提高面向目标的搜索的性能。这些技术的组合被称为最佳优先宽度搜索。在本文中,我们研究了最佳优先宽度搜索的使用情况下(分散)多代理隐私保护规划,解决与代理的隐私和性能的挑战。特别是,我们表明,最好的第一宽度搜索是一个非常有效的方法,在几个基准域,即使搜索是由粗略估计距离目标状态,计算不使用其他代理人的私人信息的搜索驱动。实验研究分析了我们的技术的有效性,并将其与最先进的技术进行比较。
2019-06-10 cs.AI
Planning Task Shielding: Detecting and Repairing Flaws in Planning Tasks through Turning them Unsolvable
J.P. Morgan AI Research(摩根大通人工智能研究)
本文提出计划任务防护方法,通过最小修改使计划任务不可解来检测和修复缺陷,验证了算法在不同规模任务中的有效性。
2026-08-12 cs.AI
Self-directed Learning of Action Models using Exploratory Planning
Parallax Advanced Research(视差高级研究院);Knexus Research Corporation(奈克瑟斯研究公司);Lehigh University(利哈伊大学);Naval Research Laboratory(海军研究实验室)
复杂的、真实世界的域可能无法为代理完全建模,特别是如果代理以前从未在该域中操作过。智能体在这样一个域中有效地计划和行动的能力受到其何时可以执行特定动作以及这些动作的效果的知识的影响。我们描述了一种新的探索性规划代理,能够学习行动的先决条件和影响,没有专家的痕迹或给定的目标。代理的架构允许它执行探索性动作以及目标导向的动作,这为探索性规划和目标规划应该如何控制以及代理的行为应该如何向它可能拥有的任何队友解释开辟了重要的考虑因素。这项工作的贡献包括一个新的上下文表示称为提升链接子句,一个新的探索行动选择方法使用这些条款,一个探索计划,使用提升链接子句作为目标,以达到新的状态,以及在一个以探索为中心的视频游戏场景中的实证评估,表明解除链接的子句可以改善探索和动作模型学习,规划基线代理。
2022-03-07 cs.AI
Fuzzy Categorical Planning: Autonomous Goal Satisfaction with Graded Semantic Constraints
Stanford University(斯坦福大学)
FCP通过引入模糊度量和Lukasiewicz t-范数提升自然语言规划中模糊约束的处理能力,有效应对多步骤计划中的质量退化问题。
2026-01-27 cs.AI
C-Planning: An Automatic Curriculum for Learning Goal-Reaching Tasks
UC Berkeley(加州大学伯克利分校);Carnegie Mellon University(卡内基梅隆大学)
目标条件强化学习(RL)可以解决包括导航和操作在内的广泛领域的任务,但学习达到遥远的目标仍然是该领域的核心挑战。如果没有任何离线数据、专家演示和奖励塑造,学习如何达到这样的目标尤其困难。在本文中,我们提出了一个算法来解决遥远的目标达成任务,使用搜索在训练时自动生成一个课程的中间状态。我们的算法,分类器规划(C-规划),框架的学习目标条件的政策期望最大化:E-步骤对应于规划一个最佳序列的路点使用图搜索,而M-步骤的目的是学习一个目标条件的政策,以达到这些路点。与将目标条件强化学习与图搜索相结合的现有方法不同,我们的方法仅在训练期间执行搜索,而不是测试,从而显着降低了部署学习策略的计算成本。从经验上讲,我们证明了我们的方法是更有效的样本比以前的方法。此外,它能够解决非常长的视野操纵和导航任务,任务,以前的目标条件的方法和基于图搜索的方法无法解决。
2021-10-22 cs.AI cs.LG
Visual Goal-Directed Meta-Learning with Contextual Planning Networks
Intelligent Systems Center(智能系统中心);Johns Hopkins Applied Physics Lab(约翰斯·霍普金斯应用物理实验室)
元学习的目标是尽可能快地概括新的任务和目标。理想情况下,我们希望在第一次尝试时就能推广到新的目标和任务。为此,我们引入上下文规划网络(CPN)。任务被表示为目标图像并用于调节方法。我们评估CPN以及其他几种适用于zero-shot目标导向元学习的方法。我们使用Metaworld基准任务在24个不同的操作任务中评估这些方法。我们发现CPN在一项任务上优于几种方法和基线,并且在其他任务上与现有方法具有竞争力。我们展示了一个物理平台上的叠片任务使用Kinova雅科机械臂的方法。
2021-11-18 cs.AI cs.RO
Goal-directed Planning and Goal Understanding by Active Inference: Evaluation Through Simulated and Physical Robot Experiments
Okinawa Institute of Science and Technology(冲绳科学技术大学院大学)
我们表明,目标导向的行动规划和生成的目的论框架可以制定使用自由能原则。该模型是建立在变分递归神经网络模型上的,其特征在于三个基本特征。这些是(1)可以为两种静态感觉状态指定目标,例如,对于要达到的目标图像和动态过程,例如,对于围绕对象移动,(2)模型不仅可以生成目标导向的行动计划,而且还可以通过感官观察来理解目标,以及(3)模型基于使用过去的感官观察推断的当前状态的最佳估计来生成针对给定目标的未来行动计划。该模型进行了评估,通过模拟移动代理,以及对一个真正的人形机器人进行对象操作的实验。
2022-02-21 cs.AI cs.RO
A Fully Controllable Agent in the Path Planning using Goal-Conditioned Reinforcement Learning
Rutgers University, The State University of New Jersey(罗格斯大学(新泽西州立大学))
路径规划的目的是通过搜索智能体的路径,使其从起点到达目标。在路径规划中,路线可以根据变量的数量而变化,使得对于代理达到各种目标是重要的。然而,许多研究都涉及用户预先定义的单一目标。在本研究中,我提出了一个新的强化学习框架,一个完全可控的智能体在路径规划。为此,我提出了一种双向记忆编辑来获得代理的各种双向轨迹,其中代理的行为和子目标在目标条件强化学习上进行训练。至于在各个方向上移动代理,我利用子目标专用网络,与策略网络分离。最后,提出了奖励塑造,以缩短智能体到达目标的步骤。在实验结果中,智能体能够达到智能体在训练中从未访问过的各种目标。我们证实了智能体可以执行诸如往返之类的困难任务,并且智能体使用具有奖励塑造的较短路线。
2022-05-20 cs.AI cs.LG
Interpretable deep-learning models to help achieve the Sustainable Development Goals
KTH Royal Institute of Technology(瑞典皇家理工学院);AI Sustainability Center(人工智能可持续发展中心);Saxion University of Applied Sciences(萨克逊应用科学大学)
我们讨论了我们对可解释的人工智能(AI)模型的见解,以及它们在开发道德AI系统以及符合可持续发展目标(SDG)的数据驱动解决方案方面的重要性。我们强调了从深度学习方法中提取真正可解释的模型的潜力,例如通过归纳偏见获得的符号模型,以确保人工智能的可持续发展。
2021-08-24 cs.AI cs.LG
Planning as Descent: Goal-Conditioned Latent Trajectory Synthesis in Learned Energy Landscapes
University of Alicante(阿利坎特大学)
PaD通过学习目标条件化能量函数实现离线无奖励规划,以验证为基础进行轨迹合成,取得95%的成功率并优于现有方法。
2025-12-19 cs.AI cs.RO
Double-Ended Synthesis Planning with Goal-Constrained Bidirectional Search
MIT(麻省理工学院);Georgia Tech(佐治亚理工学院)
针对现有计算机辅助合成规划算法无法满足指定起始原料约束的问题,提出基于双向图搜索的DESP算法,由离线学习的目标条件成本网络引导,在新基准上提升了求解率、减少了搜索扩展,且可复用现有单步逆合成模型。
2024-11-01 cs.AI q-bio.QM
Divide-and-Conquer Monte Carlo Tree Search For Goal-Directed Planning
Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所);DeepMind
用于顺序决策的标准规划器(包括蒙特卡罗规划、树搜索、动态规划等)都受到一个隐含的顺序计划假设的约束:计划的构建顺序与执行顺序相同。我们考虑替代这一假设的类目标导向的强化学习(RL)的问题。而不是一个环境过渡模型,我们假设一个不完美的,目标导向的政策。这个低层次的策略可以通过一个计划来改进,该计划由一系列适当的子目标组成,这些子目标从开始到目标状态都对策略进行指导。我们提出了一个规划算法,分治蒙特卡罗树搜索(DC-MCTS),近似的最优计划,通过提出的中间子目标,分层划分的初始任务成简单的,然后独立和递归地解决。该算法批判性地利用了一个学习的子目标的建议,找到适当的分区树的新任务的基础上先前的经验。学习子目标建议的不同策略会产生严格概括顺序规划的不同规划策略。我们表明,这种算法的灵活性,规划顺序导致改进的结果,在网格世界中的导航任务,以及在具有挑战性的连续控制环境。
2020-04-23 cs.AI cs.LG stat.ML
Imitating Graph-Based Planning with Goal-Conditioned Policies
Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院);Pohang University of Science and Technology (POSTECH)(浦项科技大学)
最近,基于图的规划算法得到了很多关注,以解决目标条件强化学习(RL)的任务:他们提供了一系列的子目标,以达到目标的目标,和代理学习执行子目标条件的政策。然而,这种RL方案的样本效率仍然是一个挑战,特别是对于长期任务。为了解决这个问题,我们提出了一个简单而有效的自我模仿计划,蒸馏子目标的条件下的政策目标目标的条件下的政策。我们在这里的直觉是,为了达到目标-目标,智能体应该通过子目标,因此目标-目标和子目标条件策略应该彼此相似。我们还提出了一种新的计划,在计划的路径,进一步提高性能的随机跳过执行的子目标。与只在执行阶段利用基于图的规划的现有方法不同,我们的方法将知识从规划器与图一起转移到策略学习中。我们的经验表明,我们的方法可以显着提高现有的目标条件强化学习方法在各种长期控制任务下的样本效率。
2023-03-20 cs.AI cs.LG
Affordance-Based Manipulation Planning with Text Goals and Sim-to-Real Generalisation via Real-to-Sim Image Conversion
该研究提出基于可供性识别与动作效果预测的操纵规划系统,通过多模态目标匹配模块评估候选计划,能跟踪遮挡物体位置。还用图像转换模块辅助,分别评估模块性能并展示集成系统在模拟与硬件上的规划能力。
2026-07-14 cs.AI cs.RO
Goal Agnostic Planning using Maximum Likelihood Paths in Hypergraph World Models
University of Louisville(路易斯维尔大学)
提出基于超图的目标不可知自动规划引擎,结合机器学习与传统AI优势,证明其能确定最优解并数学界定学习性能,通过三个典型规划问题验证有效性。
2021-10-18 cs.AI cs.LG
Uncertainty as a Planning Signal: Multi-Turn Decision Making for Goal-Oriented Conversation
The Ohio State University(俄亥俄州立大学)
本文提出CUP框架,通过结合语言模型与结构化规划,解决目标导向对话中不确定性与信息获取之间的平衡问题,提升对话成功率并减少交互轮次。
2026-08-13 cs.AI cs.CL
GOPlan: Goal-conditioned Offline Reinforcement Learning by Planning with Learned Models
University of Warwick(华威大学);Hong Kong University of Science and Technology(香港科技大学);Tsinghua University(清华大学);University of Cambridge(剑桥大学);University of Liverpool(利物浦大学)
针对无模型离线目标条件强化学习在数据有限和泛化未见目标上的局限,提出基于模型的GOPlan框架,通过优势加权条件GAN预训练先验策略、用学习模型规划生成想象数据微调策略,在多任务中取得最优性能且小数据和分布外目标泛化能力更强。
2024-05-16 cs.AI cs.LG
Probabilistic Planning with Partially Ordered Preferences over Temporal Goals
University of Florida(佛罗里达大学)
在本文中,我们研究规划随机系统,建模为马尔可夫决策过程(MDP),在时间上扩展的目标的偏好。先前的工作时间规划的偏好假设用户的偏好形成一个总的顺序,这意味着每对结果是相互比较的。在这项工作中,我们考虑的情况下,可能的结果的偏好是一个偏序,而不是一个总的顺序。我们首先介绍了一个变种的确定性有限自动机,称为偏好DFA,用于指定用户的偏好在时间上扩展的目标。基于序理论,我们将偏好DFA转化为一个标记MDP中的概率规划策略偏好关系。在这种治疗中,最优选的政策诱导弱随机非支配概率分布的有限路径的MDP。所提出的规划算法取决于一个多目标MDP的建设。我们证明了弱随机非支配政策的偏好规格是帕累托最优的构造多目标MDP,反之亦然。在整个文件中,我们采用了一个运行的例子来证明所提出的偏好规范和解决方案的方法。我们使用的例子与详细的分析,我们的算法的有效性,然后讨论可能的未来方向。
2023-03-07 cs.AI cs.RO
Goal-Space Planning with Subgoal Models
University of Alberta(阿尔伯塔大学);Alberta Machine Intelligence Institute (Amii)(阿尔伯塔机器智能研究所)
本文提出目标空间规划(GSP)方法,通过将后台规划限制在抽象子目标上并仅学习局部子目标条件模型,避免了学习转移动态的不准确性,以更高计算效率帮助多种基础学习器显著加速学习。
2024-02-27 cs.AI cs.LG
Goal-conditioned Offline Planning from Curious Exploration
ETH Zürich(苏黎世联邦理工学院);Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所);University of Tübingen(图宾根大学)
本文针对无额外环境交互的离线场景,提出将基于模型的规划与基于图的价值聚合相结合,以纠正目标条件价值函数中的估计伪影,从而显著提升零样本目标到达性能。
2023-11-28 cs.AI cs.LG
Translating Natural Language to Planning Goals with Large-Language Models
National University of Singapore(新加坡国立大学)
最近的大语言模型(LLM)在各种自然语言处理(NLP)任务上表现出了卓越的性能,导致人们对它们在各个领域的适用性感到非常兴奋。不幸的是,最近的工作也表明,LLM无法执行准确的推理,也无法解决规划问题,这可能会限制它们对机器人相关任务的有用性。在这项工作中,我们的中心问题是LLM是否能够将自然语言中指定的目标转换为结构化的规划语言。如果是这样的话,LLM可以作为规划者和人类用户之间的自然接口;翻译后的目标可以交给在规划方面非常有效的独立于领域的AI规划者。我们对GPT 3.5变体的实证结果表明,LLM更适合翻译而不是规划。我们发现,LLM能够利用常识知识和推理,从未指定的目标中提供缺失的细节(自然语言中经常出现这种情况)。然而,我们的实验也表明,LLM可能无法在涉及数字或物理的任务中生成目标(例如,空间)推理,并且LLM对所使用的提示敏感。因此,这些模型很有希望翻译成结构化规划语言,但在使用时应注意。
2023-02-10 cs.AI cs.CL cs.RO
Planning Goals for Exploration
University of Pennsylvania(宾夕法尼亚大学)
在一个未知的环境中,智能体应该做些什么来快速了解环境,以及如何在环境中完成各种任务?我们在目标条件强化学习范式中解决了这个问题,通过确定代理应该如何在训练时设置目标以最大化探索。我们提出了“规划探索性目标”(PEG),这是一种为每个训练集设置目标的方法,可以直接优化内在的探索奖励。PEG首先选择目标命令,使得代理的目标条件策略在其当前训练水平下将最终处于具有高探索潜力的状态。然后,它启动了一项勘探政策,从那些有希望的州开始。为了实现这种直接优化,PEG学习世界模型并将基于采样的规划算法适配为“规划目标命令”。在具有挑战性的模拟机器人环境中,包括迷宫中的多腿蚂蚁机器人和杂乱桌面上的机器人手臂,PEG探索可以更有效地训练目标条件策略,相对于基线和消融。我们的蚂蚁成功地通过了一个长长的迷宫,机器人手臂在命令下成功地建立了一个三块的堆栈。网址:https://penn-pal-lab.github.io/peg/
2023-03-23 cs.AI cs.LG cs.RO
Optimize Planning Heuristics to Rank, not to Estimate Cost-to-Goal
Czech Technical University in Prague(布拉格捷克理工大学);Gen Digital, Inc.(Gen Digital 公司)
本文重新审视前向搜索算法中最优高效启发式的条件,提出基于排序的损失函数以替代估计到达目标代价,并通过实验验证了该理论的有效性。
2023-10-30 cs.AI cs.LG
Deep Imitative Models for Flexible Inference, Planning, and Control
Carnegie Mellon University(卡内基梅隆大学);UC Berkeley(加州大学伯克利分校)
模仿学习是一种学习自主行为的有效方法。然而,指导IL实现任意目标是困难的。相比之下,基于规划的算法使用动态模型和奖励函数来实现目标。然而,激发期望行为的奖励函数通常很难指定。在本文中,我们提出了模仿模型结合IL和目标导向规划的好处。模仿模型是期望行为的概率预测模型,能够规划可解释的专家般的轨迹以实现指定的目标。我们得到家庭的灵活的目标,包括受约束的目标区域,不受约束的目标集,和能源为基础的目标。我们表明,我们的方法可以使用这些目标,成功地指导行为。我们的方法在动态模拟自动驾驶任务中大大优于六种IL方法和基于规划的方法,并且在没有在线数据汇集的情况下从专家演示中有效地学习。我们还表明,我们的方法对于指定不明确的目标是鲁棒的,例如道路错误一侧的目标。
2019-10-01 cs.AI cs.CV cs.LG
Procedure Planning in Instructional Videos via Contextual Modeling and Model-based Policy Learning
University of Rochester(罗切斯特大学)
通过观察人类的行为来学习新技能是人工智能的一项基本能力。在这项工作中,我们利用教学视频来研究人类的决策过程,重点是学习一个模型来计划现实生活中的视频目标导向的行动。与传统的行动识别不同,目标导向的行动是基于对行动结果的预期,需要对行动的潜在后果有因果关系的知识。因此,将环境结构与目标相结合是解决这一任务的关键。以前的工作学习一个单一的世界模型将无法区分不同的任务,导致一个模糊的潜在空间;通过它进行规划将逐渐忽视预期的结果,因为未来目标的全局信息随着程序的发展而迅速退化。我们解决了这些限制与新制定的程序规划,并提出了新的算法,通过贝叶斯推理和基于模型的模仿学习来模拟人类行为。在真实教学视频上进行的实验表明,我们的方法可以达到最先进的性能,达到指定的目标。此外,所学习的上下文信息呈现了用于在潜在空间中进行规划的有趣特征。
2021-10-08 cs.AI cs.CV
Personalized Learning Path Planning with Goal-Driven Learner State Modeling
Department of Computer Science and Technology, Beijing National Research Center for Information Science and Technology(计算机科学与技术系,信息科学国家研究中心);Tsinghua University(清华大学);Institution of Education(教育研究所);Department of Statistics and Data Science(统计与数据科学系)
Pxplore通过整合强化学习与LLM,实现基于目标驱动的个性化学习路径规划,提升学习路径的连贯性和有效性。
2026-02-06 cs.AI cs.CL
Goal-Directed Planning for Habituated Agents by Active Inference Using a Variational Recurrent Neural Network
Okinawa Institute of Science and Technology(冲绳科学技术大学院大学)
关键是要问代理人如何能够通过生成行动计划来实现目标,而这些行动计划只使用通过习惯化的感觉-运动经验获得的世界的部分模型。虽然许多现有的机器人研究使用前向模型框架,但存在高自由度的泛化问题。目前的研究表明,采用生成模型的预测编码(PC)和主动推理(AIF)框架可以通过学习低维潜在状态空间中的先验分布来开发更好的泛化能力,该空间表示从良好习惯的感觉运动轨迹中提取的概率结构。在我们提出的模型中,学习是通过推断最佳潜变量以及突触权重来最大化证据下限,而目标导向规划是通过推断潜变量来最大化估计下限来完成的。我们提出的模型进行了评估与简单和复杂的机器人任务在仿真中,这表明了足够的泛化学习有限的训练数据通过设置一个中间值的正则化系数。此外,比较仿真结果表明,所提出的模型优于传统的前向模型在目标导向的规划,由于事先学习限制搜索的运动计划范围内的习惯轨迹。
2020-05-27 cs.AI cs.RO
Scaling Up without Fading Out: Goal-Aware Sparse GNN for RL-based Generalized Planning
Unmanned Ground Control Technology Lab(无人地面控制系统实验室);LIG Nex1;Daejeon(大田)
针对RL+GNN广义规划中全连接图表示随规模增大而失效的问题,提出稀疏目标感知GNN表示,并在PDDL无人机网格任务中验证其可扩展性和策略泛化能力的显著提升。
2025-11-09 cs.AI cs.RO
Long-Horizon Visual Planning with Goal-Conditioned Hierarchical Predictors
USC(南加州大学);UPenn(宾夕法尼亚大学);UC Berkeley(加州大学伯克利分校);Stanford University(斯坦福大学)
预测和规划未来的能力是智能体在世界上行动的基础。为了达到一个遥远的目标,我们在多个时间尺度上预测轨迹,首先设计一个粗略的目标计划,然后逐渐填充细节。相比之下,目前用于视觉预测和规划的学习方法在长时间任务上失败,因为它们生成预测(1)不考虑目标信息,(2)以最好的时间分辨率,一次一步。在这项工作中,我们提出了一个框架,视觉预测和规划,是能够克服这两个限制。首先,我们制定的问题,预测到一个目标,并提出相应的类的潜在空间目标条件的预测(GCPs)。通过将搜索空间限制为仅到达目标的那些轨迹,GCP显著地提高了规划效率。此外,我们展示了如何GCPs可以自然地制定为分层模型,给定两个观测值,预测它们之间的观测值,并通过递归细分轨迹的每个部分生成完整的序列。这种分而治之的策略是有效的长期预测,并使我们能够设计一个有效的层次规划算法,优化轨迹在一个由粗到细的方式。我们表明,通过使用目标条件和层次预测,GCPs使我们能够解决视觉规划任务的时间比以前可能的要长得多。
2020-11-27 cs.AI cs.CV cs.LG