Planning under uncertainty as G<scp>OLOG</scp>programs
Notice bibliographique
Résumé
A number of logical languages have been proposed to represent the dynamics of the world. Among these languages, the Situation Calculus (McCarthy and Hayes 1969 McCarthy J. Hayes P. J. 1969 Some philosophical problems from the standpoint of artificial intelligence In B. Meltzer and D. Michie (eds) Machine Intelligence 4 Edinburgh Edinburgh University Press pp. 463–502 [Google Scholar]) has gained great popularity. The GOLOG programming language (Levesque et al. 1997 Levesque, H. J., Reiter, R., Lespérance, Y., Lin, F. and Scherl, R. B. 1997. Golog: logic programming languge for dynamic domains. The Journal of Logic Programming, 31: 59–84. [Crossref], [Web of Science ®] , [Google Scholar], Giacomo et al. 2000 Giacomo G. D. Lespérance Y. Levesque H. 2000 ConGolog, a concurrent programming language based on the situation calculus: foundations Artificial Intelligence 121 1–2 109 169 Available online: http://www.cs.toronto.edu/cogrobo/Papers/ConGologLang.ps.gz [Crossref] , [Google Scholar]) has been proposed as a high-level agent programming language whose semantics is based on the Situation Calculus. For efficiency reasons, high-level agent programming privileges programs over plans; therefore, GOLOG programs do not consider planning. This article presents algorithms that generate conditional GOLOG programs in a Situation Calculus extended with uncertainty of the effects of actions and complete observability of the world. Planning for contingencies is accomplished through two kinds of plan refinement techniques. The refinement process successively increments the probability of achievement of candidate plans. Plans with loops are generated under certain conditions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».