# Learning Lifted STRIPS Models from Action Traces Alone: A Simple, General, and Scalable Solution

### 저자

Jonas Gosgens, Niklas Jansen, Hector Geffner

### 개요

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.

### 시사점, 한계점

- **시사점:** STRIPS 액션 모델 학습의 확장성, 정확성, 완전성을 동시에 달성하는 새로운 방법 제시.  은닉 도메인 및 술어에 대한 제약 없이 일반적인 적용 가능성.  대규모 도메인에서의 실험적 검증을 통해 성능 입증.

- **한계점:**  본 논문에서 제시된 새로운 테스트의  시간 복잡도에 대한 심층적인 분석이 부족할 수 있음.  다양한 종류의 액션 트레이스에 대한 일반화 성능에 대한 추가적인 실험적 검증이 필요할 수 있음. 특정 도메인에 대한 최적화 가능성에 대한 추가 연구가 필요할 수 있음.

[PDF 보기](https://arxiv.org/pdf/2411.14995)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).