Apprendimento di Modelli di Azione STRIPS+ da Tracce con Informazioni Parziali

Questa ricerca affronta il problema dell'apprendimento di modelli di azione STRIPS+ da tracce di azioni quando sia le azioni che gli stati sono solo parzialmente osservabili. Lavori precedenti hanno dimostrato che modelli STRIPS sollevati potevano essere appresi solo dalle tracce, ma le azioni STRIPS includono argomenti non necessari. Un approccio successivo che utilizza modelli STRIPS+, dove alcuni argomenti sono impliciti, assumeva stati completamente osservabili. Questo articolo rilassa tale assunzione, formulando algoritmi e risultati di completezza per l'apprendimento da tracce con informazioni parziali sia sulle azioni che sugli stati. Il lavoro è teorico e non coinvolge alcun contenuto relativo all'arte.