Cet article présente une nouvelle approche d'apprentissage du modèle d'action STRIPS uniquement par suivi d'actions. Cette méthode d'apprentissage est aussi évolutive que les systèmes LOCM existants, tout en étant aussi précise et complète que les approches basées sur SAT. Plus précisément, il s'agit d'une approche générale qui n'impose aucune restriction quant au nombre ou à l'atomicité des domaines ou prédicats cachés. La clé réside dans une nouvelle méthode de vérification efficace qui vérifie que l'hypothèse selon laquelle les prédicats sont affectés par un ensemble de schémas d'action avec des positions d'argument spécifiques est cohérente avec les traces. Sur la base des prédicats et schémas d'action qui passent cette vérification, le domaine est appris, et des préconditions et des prédicats statiques sont ajoutés pour le compléter. Il est évalué théoriquement et expérimentalement à l'aide de traces et de graphes contenant des centaines de milliers d'états et de transitions issus de domaines classiques standard tels que les puzzles à 8 puzzles, et les représentations apprises sont vérifiées sur des instances plus grandes.
