实体
Hierarchical Task Network Planning
Hierarchical Task Network Planning
PulseAugur coverage of Hierarchical Task Network Planning — every cluster mentioning Hierarchical Task Network Planning across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
时间线
- 2026-05-08 research_milestone Paper introduces LLM-generated heuristics for HTN planning, showing significant improvements. 来源
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
分层任务网络规划应用于动态环境中的目标推理
本文探讨了分层任务网络(HTN)规划在智能体目标生命周期框架中的应用。所提出的架构将HTN规划整合到目标推理的各个阶段,包括形成、扩展和重新扩展。这种方法允许智能体动态地细化目标、适应不断变化的环境,并解决预期结果与实际结果之间的差异。该研究通过对适应动态任务的模拟自动驾驶汽车进行的实证研究,证明了这种目标推理(GR)架构的有效性。
-
LLM生成启发式方法以改进分层任务网络规划
研究人员探索了使用大型语言模型(LLM)为分层任务网络(HTN)规划生成启发式方法。这种方法旨在提高HTN规划中启发式信息的相关性,而HTN规划在历史上一直落后于经典规划方法。通过提示九种不同的LLM,研究发现生成的启发式方法几乎可以达到现有最佳HTN规划器的覆盖范围,同时显著减少了大多数基准问题上的搜索工作量。
-
大型语言模型为分层任务网络规划生成有效的启发式方法
研究人员探索了使用大型语言模型(LLMs)为分层任务网络(HTN)规划生成有效的启发式方法。该方法旨在改进现有的启发式方法,这些方法的信息量不如经典规划中使用的启发式方法。通过将 LLM 生成的启发式方法应用于 Pytrich 规划器,跨越六个基准领域,研究发现这些启发式方法几乎达到了最佳 HTN 规划器的覆盖率,同时显著减少了大多数问题上的搜索工作量。