Aprendizaje de representaciones simbólicas a partir de imágenes para problemas de planificación

Abstract

[ES] Para resolver un problema de planificación se requiere la especificación de un modelo simbólico del dominio de aplicación y la instancia a resolver por parte de un experto del dominio. Esto supone un obstáculo en el proceso de adquisición del conocimiento. Por otro lado, las técnicas de Aprendizaje Profundo aprenden representaciones que no son compatibles con los sistemas simbólicos que requieren los planificadores. En este trabajo se presenta una aproximación en la que se utilizan autocodificadores para aprender representaciones vectoriales de imágenes de un problema de planificación de modo que el resultado del autocodificador sea una representación simbólica del problema. Particularmente, se diseñará un autocodificador para aprender una representación de los estados del problema de planificación y otros autocodificadores para aprender las transiciones del sistema. La arquitectura diseñada se aplicará en la resolución de problemas en dos dominios, el juego del 8-puzzle y las torres de Hanoi, a partir de imágenes sin etiquetar que representen y definan mediante pares las transiciones de ambos dominios.

[EN] Solving a planning problem requires the specification of a symbolic model of the application domain and the instance to be solved by a domain expert. This is an obstacle in the knowledge acquisition process. On the other hand, Deep Learning techniques learn representations that are not compatible with the symbolic systems required by planners. In this paper we present an approach in which autoencoders are used to learn vector representations of images of a planning problem so that the output of the autoencoder is a symbolic representation of the problem. Particularly, one autoencoder will be designed to learn a representation of the states of the planning problem and other autoencoders to learn the transitions of the system. The designed architecture will be applied to solve problems in two domains, the 8-puzzle game and the towers of Hanoi, from unlabeled images that represent and define by pairs the transitions of both domains.