Hybrid Search for Efficient Planning with Completeness Guarantees

要約

複雑な計画問題を解決することは、コンピューター サイエンスにおける長年の課題です。
学習ベースのサブ目標検索手法は、これらの問題への取り組みにおいて有望であることが示されていますが、多くの場合、完全性の保証がないという欠点があり、解決策が存在しても見つけられない可能性があります。
この論文では、個別のアクション空間で完全性を達成するためにサブゴール検索方法を強化する効率的なアプローチを提案します。
具体的には、高レベルの検索を低レベルのアクションで拡張して、完全なサブゴール検索と呼ばれるマルチレベル (ハイブリッド) 検索を実行します。
このソリューションは、高レベル検索の実用的な効率と低レベル検索の完全性という両方の長所を実現します。
提案された検索方法を最近提案されたサブゴール検索アルゴリズムに適用し、複雑な計画問題についてオフライン データで訓練されたアルゴリズムを評価します。
完全なサブゴール検索は完全性を保証するだけでなく、低レベルの拡張なしで高レベルで解決できるインスタンスの検索拡張に関してパフォーマンスを向上させることさえできることを実証します。
私たちのアプローチにより、完全性が重要な要件となるシステムにサブ目標レベルの計画を適用することが可能になります。

要約(オリジナル)

Solving complex planning problems has been a long-standing challenge in computer science. Learning-based subgoal search methods have shown promise in tackling these problems, but they often suffer from a lack of completeness guarantees, meaning that they may fail to find a solution even if one exists. In this paper, we propose an efficient approach to augment a subgoal search method to achieve completeness in discrete action spaces. Specifically, we augment the high-level search with low-level actions to execute a multi-level (hybrid) search, which we call complete subgoal search. This solution achieves the best of both worlds: the practical efficiency of high-level search and the completeness of low-level search. We apply the proposed search method to a recently proposed subgoal search algorithm and evaluate the algorithm trained on offline data on complex planning problems. We demonstrate that our complete subgoal search not only guarantees completeness but can even improve performance in terms of search expansions for instances that the high-level could solve without low-level augmentations. Our approach makes it possible to apply subgoal-level planning for systems where completeness is a critical requirement.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google