Изучение эффективных абстракций для планирования (LEAP)

Сложные задачи робототехники с длинным горизонтом и разреженной наградой представляют собой проблемы для масштабирования методов обучения от начала до конца. Напротив, подходы к планированию показали большой потенциал в эффективном решении таких сложных задач. Одним из основных недостатков подходов, основанных на планировании, было отсутствие доступных точных моделей мира (так называемых абстракций) для использования. Наблюдается renewed интерес к использованию методов обучения для изучения символических представлений, которые поддерживают планирование. Однако это исследование часто фрагментировано на отдельные подполи, такие как планирование задач и движений, обучение с подкреплением (иерархическое, основанное на модели), планирование с формальной логикой, планирование с естественным языком (языковые модели) и нейро-символический ИИ. Как и в предыдущие годы, LEAP соберет исследователей из различных подполей, чтобы обсудить, как мы можем объединить обучение, планирование и абстракции для решения все более сложных задач робототехники с длинным горизонтом и разреженной наградой.