GADAR：跨域泛化经典规划策略的提出与评测

Rajesh Mangannavar 等人在 arXiv 发布论文，提出经典规划跨域泛化策略 GADAR：以领域描述为输入，无需搜索即可在训练中未见过的领域构造落地动作。它通过 lifted domain、binding 和 chain 三层结构，用符号在领域中的角色而非名称来描述符号，使同一网络可在所有领域上运行。 评测采用留一域的零样本泛化设置，覆盖八个基准领域。论文结果显示 GADAR 平均解决其中 22.6% 的实例，高于随机选择的 3.3% 和去掉 chain 层的同种表示的 0.6%；但在多数领域上，其零样本覆盖率仍明显低于域内覆盖率。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。