Buchumschlag

NeSIG: A Neuro-Symbolic Method for Learning to Generate Planning Problems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Núñez-Molina, Carlos, Mesejo, Pablo, Fernández-Olivares, Juan
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Artificial Intelligence I.2.6; I.2.8
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Review of Symbolic, Subsymbolic and Hybrid Methods for Sequential Decision Making
von: Núñez-Molina, Carlos, et al.
Veröffentlicht: (2023)

Learning to Select Goals in Automated Planning with Deep-Q Learning
von: Núñez-Molina, Carlos, et al.
Veröffentlicht: (2024)

AI and Machine Learning Approaches for Predicting Nanoparticles Toxicity The Critical Role of Physiochemical Properties
von: Yousaf, Iqra
Veröffentlicht: (2024)

Towards a Unified Framework for Sequential Decision Making
von: Núñez-Molina, Carlos, et al.
Veröffentlicht: (2023)

From Next Token Prediction to (STRIPS) World Models
von: Núñez-Molina, Carlos, et al.
Veröffentlicht: (2025)

Sketch Decompositions for Classical Planning via Deep Reinforcement Learning
von: Aichmüller, Michael, et al.
Veröffentlicht: (2024)

Differentiable Symbolic Planning: A Neural Architecture for Constraint Reasoning with Learned Feasibility
von: Oruganti, Venkatakrishna Reddy
Veröffentlicht: (2026)

Constrained Auto-Bidding via Generative Response Modeling
von: Yang, Eunseok, et al.
Veröffentlicht: (2026)

On Using Admissible Bounds for Learning Forward Search Heuristics
von: Núñez-Molina, Carlos, et al.
Veröffentlicht: (2023)

A Parallel Hybrid Action Space Reinforcement Learning Model for Real-world Adaptive Traffic Signal Control
von: Wang, Yuxuan, et al.
Veröffentlicht: (2025)

On the Generalization Gap in LLM Planning: Tests and Verifier-Reward RL
von: Belcamino, Valerio, et al.
Veröffentlicht: (2026)

LeanProgress: Guiding Search for Neural Theorem Proving via Proof Progress Prediction
von: George, Robert Joseph, et al.
Veröffentlicht: (2025)

Working Paper: Active Causal Structure Learning with Latent Variables: Towards Learning to Detour in Autonomous Robots
von: Riscos, Pablo de los, et al.
Veröffentlicht: (2024)

Novel Approaches to Artificial Intelligence Development Based on the Nearest Neighbor Method
von: Priezzhev, I. I., et al.
Veröffentlicht: (2025)

Fast and Precise: Adjusting Planning Horizon with Adaptive Subgoal Search
von: Zawalski, Michał, et al.
Veröffentlicht: (2022)

Bridging the Reasoning Gap: Small LLMs Can Plan with Generalised Strategies
von: Borro, Andrey, et al.
Veröffentlicht: (2025)

GIRL: Generative Imagination Reinforcement Learning via Information-Theoretic Hallucination Control
von: Hiremath, Prakul Sunil
Veröffentlicht: (2026)

Predicting Future Actions of Reinforcement Learning Agents
von: Chung, Stephen, et al.
Veröffentlicht: (2024)

Zero-Shot Context Generalization in Reinforcement Learning from Few Training Contexts
von: Chapman, James, et al.
Veröffentlicht: (2025)

Foundational Requirements for Artificial General Intelligence: A Falsifiable Framework Based on Signal Prediction
von: Šprogar, Matej
Veröffentlicht: (2025)

What Do World Models Learn in RL? Probing Latent Representations in Learned Environment Simulators
von: Zhang, Xinyu
Veröffentlicht: (2026)

Safe Reinforcement Learning with Preference-based Constraint Inference
von: Li, Chenglin, et al.
Veröffentlicht: (2026)

Adaptable Hindsight Experience Replay for Search-Based Learning
von: Vazaios, Alexandros, et al.
Veröffentlicht: (2025)

CORE: Towards Scalable and Efficient Causal Discovery with Reinforcement Learning
von: Sauter, Andreas W. M., et al.
Veröffentlicht: (2024)

Umbrella Reinforcement Learning -- computationally efficient tool for hard non-linear problems
von: Nuzhin, Egor E., et al.
Veröffentlicht: (2024)

PIRS: Physics-Informed Reward Shaping for SAC-Based Building Energy Management
von: Zaregarizi, Shadmehr, et al.
Veröffentlicht: (2026)

Sim-to-reality adaptation for Deep Reinforcement Learning applied to an underwater docking application
von: Chaarani, Alaaeddine, et al.
Veröffentlicht: (2026)

Improving Industrial Injection Molding Processes with Explainable AI for Quality Classification
von: Rottenwalter, Georg, et al.
Veröffentlicht: (2025)

Advancements in synthetic data extraction for industrial injection molding
von: Rottenwalter, Georg, et al.
Veröffentlicht: (2025)

Towards Systematic Generalization for Power Grid Optimization Problems
von: Memon, Zeeshan, et al.
Veröffentlicht: (2026)

Fractional Policy Gradients: Reinforcement Learning with Long-Term Memory
von: Pawar, Urvi, et al.
Veröffentlicht: (2025)

Selective Progress-Aware Querying for Human-in-the-Loop Reinforcement Learning
von: Muraleedharan, Anujith, et al.
Veröffentlicht: (2025)

From Cumulative Constraints to Adaptive Runtime Safety Control for Nonstationary Reinforcement Learning
von: Tomashevskiy, Timofey
Veröffentlicht: (2026)

FlowRL: Flow-Augmented Few-Shot Reinforcement Learning for Semi-Structured Sensor Data
von: Pivezhandi, Mohammad, et al.
Veröffentlicht: (2024)

Procedural Game Level Design with Deep Reinforcement Learning
von: Özkan, Miraç Buğra
Veröffentlicht: (2025)

On the Limits of Learned Importance Scoring for KV Cache Compression
von: Steele, Brady
Veröffentlicht: (2026)

Beyond Prompt Engineering: Neuro-Symbolic-Causal Architecture for Robust Multi-Objective AI Agents
von: Akarlar, Gokturk Aytug
Veröffentlicht: (2025)

Hybrid-AIRL: Enhancing Inverse Reinforcement Learning with Supervised Expert Guidance
von: Silue, Bram, et al.
Veröffentlicht: (2025)

Machine Learning Based Path Planning for Improved Rover Navigation (Pre-Print Version)
von: Abcouwer, Neil, et al.
Veröffentlicht: (2020)

Embedded Safety-Aligned Intelligence via Differentiable Internal Alignment Embeddings
von: Rathva, Harsh, et al.
Veröffentlicht: (2025)