TAMP宏算子自动生成方法提速规划并解长序列任务

Can Emir Bora 与 Emre Ugur 提出一套用于任务与运动规划（TAMP）算子学习的系统：从训练数据中找出因果关联的动作对（前一动作恰好产生后一动作所需条件），把每对合并为单个规划步，即自动生成宏算子；同时剪除所有已学算子未引用的谓词，缩小每个搜索节点需评估的符号状态。作者称，在四个 TAMP 域上，该方法相比基线 Learning Operators for TAMP 最高取得约 4.6 倍规划加速，并求解了一个基线无法完成的长序列任务；据此认为宏算子发现在长时域场景中决定实际可解性。 该工作以 arXiv 预印本形式发布，尚未经同行评议；上述加速与求解结果均为作者自述，代码已公开。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。