研究提出可微学习经典规划提升动作模式的架构

Jonas Reiter 等人在 arXiv 发布论文，提出一种新的神经网络架构，从状态完全可观测但动作参数未观测的轨迹数据中，可微分地学习经典规划中的提升动作模式。该方法需同时识别观测状态变化中的动作参数并学习动作模式，作者称实验中恢复了各规划领域的真值结构，所得可微组件可集成到更大的神经符号模型中。 实验还包括对观测噪声的鲁棒性测试、组件消融以及基于槽的动力学模型变体测试。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。