본 논문은 STRIPS 액션 모델을 액션 트레이스만으로 학습하는 새로운 접근법을 제시합니다. 기존 LOCM 시스템처럼 확장성이 뛰어나면서도 SAT 접근 방식처럼 정확하고 완전합니다. 특히, 은닉 도메인이나 술어의 수 또는 원자도에 제한을 두지 않는 일반적인 방법입니다. 새로운 학습 방법은 특정 인수 위치를 가진 액션 패턴 집합에 의해 술어가 영향을 받는다는 가정이 트레이스와 일관성이 있는지 확인하는 효율적인 새로운 테스트를 기반으로 합니다. 테스트를 통과한 술어와 액션 패턴은 학습된 도메인의 기반을 제공하며, 사전 조건과 정적 술어로 쉽게 완성됩니다. 이 방법은 이론적 및 실험적으로 연구되었으며, 8-퍼즐과 같은 표준 클래식 도메인에서 얻은 수십만 개의 상태와 전이를 포함하는 트레이스와 그래프를 사용하여 평가되었습니다. 학습된 표현은 더 큰 인스턴스에서 검증되었습니다.
