GADAR：无需搜索的跨域规划策略
热点事件持续更新
GADAR：无需搜索的跨域规划策略
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
Rajesh Mangannavar、Pranay Dugar 和 Prasad Tadepalli 提交的预印本提出 GADAR，一种以域描述为输入的策略 π(s, G, D)，可在训练中未见过的域上构造接地动作，无需搜索，同一网络可运行于所有域。 在八个基准域的留一域零样本测试中，该单策略解决 58.3% 测试实例，仅比专用单域模型低 1 个百分点；零样本平均解决 22.6%，随机选择为 3.3%，去掉链层的同表示仅 0.6%，在留出的 Visitall 上达 68%。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
GADAR：用动作排序实现经典规划跨域泛化报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AIGADAR：用动作排序实现经典规划跨域泛化
GADAR 提出一种以域描述为输入的策略 π(s, G, D)，无需搜索即可在训练中未见过的域上构造接地动作，同一网络可运行于所有域。在八个基准域的留一域零样本测试中，单策略解决 58.3% 测试实例，仅比专用单域模型低 1 个百分点；零样本平均解决 22.6%，随机选择为 3.3%，去掉链层的同表示仅 0.6%，在留出的 Visitall 上达 68%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。