Rete Neurale Apprende Schemi d'Azione da Tracce Non Etichettate

Una nuova architettura di rete neurale apprende schemi d'azione astratti per la pianificazione classica a partire da stati completamente osservati ma argomenti d'azione non osservati. Il lavoro, pubblicato su arXiv (2605.13282), affronta una semplificazione del problema dell'apprendimento di domini di pianificazione da sequenze di immagini e etichette d'azione. L'approccio mira a ottenere prestazioni quasi perfette su questo compito, che rappresenta un passo verso la generalizzazione strutturale nella pianificazione dell'IA.