Buchumschlag

Learning to Ground Existentially Quantified Goals

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Funkquist, Martin, Ståhlberg, Simon, Geffner, Hector
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Efficient Lookahead Encoding and Abstracted Width for Learning General Policies in Classical Planning
von: Aichmüller, Michael, et al.
Veröffentlicht: (2026)

First-Order Representation Languages for Goal-Conditioned RL
von: Ståhlberg, Simon, et al.
Veröffentlicht: (2025)

Learning General Policies with Policy Gradient Methods
von: Ståhlberg, Simon, et al.
Veröffentlicht: (2025)

Learning More Expressive General Policies for Classical Planning Domains
von: Ståhlberg, Simon, et al.
Veröffentlicht: (2024)

Symmetries and Expressive Requirements for Learning General Policies
von: Drexler, Dominik, et al.
Veröffentlicht: (2024)

Learning General Policies From Examples
von: Bonet, Blai, et al.
Veröffentlicht: (2025)

Learning Generalized Policies for Fully Observable Non-Deterministic Planning Domains
von: Hofmann, Till, et al.
Veröffentlicht: (2024)

Learning to Search and Searching to Learn for Generalization in Planning
von: Aichmüller, Michael, et al.
Veröffentlicht: (2026)

Learning Lifted Action Models From Traces of Incomplete Actions and States
von: Jansen, Niklas, et al.
Veröffentlicht: (2025)

Learning Lifted Action Models from Traces with Minimal Information About Actions and States
von: Gösgens, Jonas, et al.
Veröffentlicht: (2026)

Learning Lifted STRIPS Models from Action Traces Alone: A Simple, General, and Scalable Solution
von: Gösgens, Jonas, et al.
Veröffentlicht: (2024)

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

On Policy Reuse: An Expressive Language for Representing and Executing General Policies that Call Other Policies
von: Bonet, Blai, et al.
Veröffentlicht: (2024)

Differentiable Learning of Lifted Action Schemas for Classical Planning
von: Reiter, Jonas, et al.
Veröffentlicht: (2026)

Solving Quantified Boolean Formulas with Few Existential Variables
von: Eriksson, Leif, et al.
Veröffentlicht: (2024)

AI Survival Stories: a Taxonomic Analysis of AI Existential Risk
von: Cappelen, Herman, et al.
Veröffentlicht: (2026)

Learning Quantifiable Visual Explanations Without Ground-Truth
von: Singh, Amritpal, et al.
Veröffentlicht: (2026)

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

AI Consciousness and Existential Risk
von: VanRullen, Rufin
Veröffentlicht: (2025)

Consistent Query Answering for Existential Rules with Closed Predicates
von: Marconi, Lorenzo, et al.
Veröffentlicht: (2024)

Existential Notation3 Logic
von: Arndt, Dörthe, et al.
Veröffentlicht: (2023)

Physically-Grounded Goal Imagination: Physics-Informed Variational Autoencoder for Self-Supervised Reinforcement Learning
von: Nguyen, Lan Thi Ha, et al.
Veröffentlicht: (2025)

Predicting Compact Phrasal Rewrites with Large Language Models for ASR Post Editing
von: Zhang, Hao, et al.
Veröffentlicht: (2025)

Grounded Vision-Language Navigation for UAVs with Open-Vocabulary Goal Understanding
von: Zhang, Yuhang, et al.
Veröffentlicht: (2025)

Gender Bias of LLM in Economics: An Existentialism Perspective
von: Zhong, Hui, et al.
Veröffentlicht: (2024)

The Existential Theory of Research: Why Discovery Is Hard
von: Majumdar, Angshul
Veröffentlicht: (2026)

Is Power-Seeking AI an Existential Risk?
von: Carlsmith, Joseph
Veröffentlicht: (2022)

Plan-Grounded Large Language Models for Dual Goal Conversational Settings
von: Glória-Silva, Diogo, et al.
Veröffentlicht: (2024)

GRAML: Goal Recognition As Metric Learning
von: Shamir, Matan, et al.
Veröffentlicht: (2025)

Goal-Conditioned Decision Transformer for Multi-Goal Offline Reinforcement Learning
von: Gajewski, Paweł, et al.
Veröffentlicht: (2024)

Dense and Diverse Goal Coverage in Multi Goal Reinforcement Learning
von: Singh, Sagalpreet, et al.
Veröffentlicht: (2025)

The AI Risk Spectrum: From Dangerous Capabilities to Existential Threats
von: Grey, Markov, et al.
Veröffentlicht: (2025)

Humanity in the Age of AI: Reassessing 2025's Existential-Risk Narratives
von: Louadi, Mohamed El
Veröffentlicht: (2025)

General Dynamic Goal Recognition using Goal-Conditioned and Meta Reinforcement Learning
von: Elhadad, Osher, et al.
Veröffentlicht: (2025)

Hyper-GoalNet: Goal-Conditioned Manipulation Policy Learning with HyperNetworks
von: Zhou, Pei, et al.
Veröffentlicht: (2025)

"Lost-in-the-Later": Framework for Quantifying Contextual Grounding in Large Language Models
von: Tao, Yufei, et al.
Veröffentlicht: (2025)

Goal Recognition as Reinforcement Learning
von: Amado, Leonardo Rosa, et al.
Veröffentlicht: (2022)

Two Types of AI Existential Risk: Decisive and Accumulative
von: Kasirzadeh, Atoosa
Veröffentlicht: (2024)

Existential Crisis: A Social Robot's Reason for Being
von: Medgyesy, Dora, et al.
Veröffentlicht: (2025)

Goal Exploration via Adaptive Skill Distribution for Goal-Conditioned Reinforcement Learning
von: Wu, Lisheng, et al.
Veröffentlicht: (2024)