完全可观察的非确定性领域模型中的时间扩展目标识别
摘要：识别目标是识别一个智能体旨在实现的正确预期目标，给定一组目标假设、域模型和一系列观察（即在环境中执行计划的样本）。现有的方法假设目标假设包括一个关于单个最终状态的联结公式，并且环境动态是确定性的，从而阻止了在更复杂的环境中识别时间扩展目标。在本文中，我们将目标识别扩展到在完全可观察的非确定性（FOND）规划域模型中的时间扩展目标，重点集中在用线性时态逻辑（LTLf）和纯过去线性时态逻辑（PLTLf）表示的有限跟踪目标。我们开发了第一个能够在这样的情景中识别目标的方法，并使用六个FOND规划域模型对其进行评估。实证结果表明，我们的方法在不同的识别设置中能够准确识别时间扩展目标。
作者：Ramon Fraga Pereira, Francesco Fuggitti, Felipe Meneguzzi, Giuseppe De Giacomo
论文ID：2306.08680
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-06-16