REAP：以运动规划器为监督学习重排搜索启发式
热点事件观察中
REAP：以运动规划器为监督学习重排搜索启发式
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Daniel Swoboda与Hector Geffner提出REAP框架，在符号抽象上用关系图神经网络学习重排任务（rearrangement）的搜索启发式，训练中以运动规划器作为监督者来揭示问题中隐含的几何前置条件。论文发布于arXiv（cs.AI）。 据论文摘要，结合贪心最佳优先搜索后，REAP可泛化到不同物体数量、规划长度和物体布局，并能联合训练多个领域；相较经典启发式搜索和学习基线，它求解更多问题，运动规划器查询次数约少一个数量级，采样状态中其首选动作的几何可行率为94%（随机选择为22%）。以上数字为论文摘要声称的结果。
AI 根据报道生成 · 2 天前更新
最新进展10月20日 12:00
REAP：从运动规划器反馈学习通用重排启发式报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · cs.AIREAP：从运动规划器反馈学习通用重排启发式
Daniel Swoboda与Hector Geffner提出REAP框架，用关系图神经网络在符号抽象上学习重排启发式，并以运动规划器反馈为训练监督。论文摘要称，结合贪心最佳优先搜索后，REAP可泛化到不同物体数量、规划长度和物体布局，且能联合训练多个领域；相较经典启发式搜索和学习基线，它求解更多问题，运动规划器查询次数约少一个数量级，采样状态中首选动作的几何可行率为94%，随机选择为22%。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 610月21日 04:00
- 近 24 小时变化
- -49%
02468
06:0012:0018:0010月22日06:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。