自我完善以快速生成高质量的计划

基于综合计划数据训练的生成模型是一种很有前景的广义规划方法。最近的工作重点是寻找任何有效的计划，而不是高质量的解决方案。我们解决了在次指数时间内制定高质量计划的挑战，这是一个计算难题。首先，我们证明，在给定最佳数据的情况下，仅解码器的 Transformer 可以为未见过的问题实例生成高质量的计划。其次，我们展示如何自我改进基于次优数据训练的初始模型。每轮自我改进都会将多个模型调用与图搜索相结合，生成改进计划，用于模型 微调。对四个领域（Blocksworld、Logistics、Labyrinth 和 Sokoban）的实验研究表明，与源符号规划器相比，计划长度平均减少 30%，其中超过 80% 的计划是最优的（其中最优值已知）。推理时搜索进一步提高了计划质量。与我们比较的令人满意的最佳符号规划器相比，该模型的延迟呈次指数级增长。总之，这些结果表明，生成模型的自我改进为高质量计划生成提供了一种可扩展的方法。