Automatically Learning HTN Methods from Landmarks

要約

階層タスク ネットワーク (HTN) 計画では、通常、ドメイン エンジニアが計画上の問題を分解する方法について手動で入力する必要があります。
メソッド学習アルゴリズムとしてよく知られている HTN-MAKER でさえ、ドメイン エンジニアが学習内容に関する情報をタスクに注釈を付ける必要があります。
学習プロセスを完全に自動化する HTN メソッド学習アルゴリズム CURRICULAMA を紹介します。
ランドマーク分析を使用して注釈付きタスクを作成し、カリキュラム学習を活用してメソッドの学習をより単純なものからより複雑なものへと順序付けします。
これにより、手動入力の必要がなくなり、HTN-MAKER の主要な問題が解決されます。
我々は CURRICULAMA の健全性を証明し、完全なメソッドセットの学習において HTN-MAKER と実質的に同様の収束率を持つことを実験的に示します。

要約(オリジナル)

Hierarchical Task Network (HTN) planning usually requires a domain engineer to provide manual input about how to decompose a planning problem. Even HTN-MAKER, a well-known method-learning algorithm, requires a domain engineer to annotate the tasks with information about what to learn. We introduce CURRICULAMA, an HTN method learning algorithm that completely automates the learning process. It uses landmark analysis to compose annotated tasks and leverages curriculum learning to order the learning of methods from simpler to more complex. This eliminates the need for manual input, resolving a core issue with HTN-MAKER. We prove CURRICULAMA’s soundness, and show experimentally that it has a substantially similar convergence rate in learning a complete set of methods to HTN-MAKER.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google