Enhancing Numeric-SAM for Learning with Few Observations

要約

計画テクノロジーを現実世界の問題に適用する際の大きな課題は、問題のダイナミクスを正確に表す計画モデルを取得することにあります。
Numeric Safe Action Models Learning (N-SAM) は、この課題に対処するために最近提案されたアルゴリズムです。
これは、離散状態変数と連続状態変数の両方が関与する領域での観察からアクションの前提条件と影響を学習するように設計されたアルゴリズムです。
N-SAM にはいくつかの魅力的な特性があります。
これは多項式時間で実行され、それによって生成された計画が適用可能であり、意図された目標を達成するという意味で、安全なアクション モデルを出力することが保証されています。
この安全性の保証を維持するために、N-SAM は、学習されたアクション モデルに含まれる前に、各アクションの相当数の例を観察する必要があります。
私たちは、N-SAM のこの制限に対処し、たとえ一度しか観察されなかったとしても、観察されたすべてのアクションが少なくともある状態に適用できるアクション モデルを常に返す N-SAM の拡張バージョンである N-SAM* を提案します。
N-SAM* は、返されたアクション モデルの安全性を損なうことなくこれを行います。
N-SAM* は、安全性を保証する他のアルゴリズムと比較して、サンプルの複雑さの点で最適であることを証明します。
一連のベンチマーク ドメインに関する実証研究では、N-SAM* によって返されるアクション モデルでは、N-SAM によって返されるアクション モデルと比較して、はるかに多くの問題を解決できることが示されています。

要約(オリジナル)

A significant challenge in applying planning technology to real-world problems lies in obtaining a planning model that accurately represents the problem’s dynamics. Numeric Safe Action Models Learning (N-SAM) is a recently proposed algorithm that addresses this challenge. It is an algorithm designed to learn the preconditions and effects of actions from observations in domains that may involve both discrete and continuous state variables. N-SAM has several attractive properties. It runs in polynomial time and is guaranteed to output an action model that is safe, in the sense that plans generated by it are applicable and will achieve their intended goals. To preserve this safety guarantee, N-SAM must observe a substantial number of examples for each action before it is included in the learned action model. We address this limitation of N-SAM and propose N-SAM*, an enhanced version of N-SAM that always returns an action model where every observed action is applicable at least in some state, even if it was only observed once. N-SAM* does so without compromising the safety of the returned action model. We prove that N-SAM* is optimal in terms of sample complexity compared to any other algorithm that guarantees safety. An empirical study on a set of benchmark domains shows that the action models returned by N-SAM* enable solving significantly more problems compared to the action models returned by N-SAM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google