83、基于解释的规划学习：原理、应用与挑战

基于解释的规划学习：原理、应用与挑战

1. 基于解释的学习（EBL）概述

基于解释的学习（Explanation-Based Learning，EBL）是一种利用先验知识解释训练示例标签，并以此指导学习的方法。它通过解释来精准定位示例中支持标签的特征，从而减少对训练示例数量的依赖。然而，与普通分类学习器不同，EBL除了需要带标签的训练示例外，还需要先验知识（即“领域理论/模型”），这在某些场景下较难满足。

由于许多规划和问题解决代理通常从声明性领域理论（至少包含动作描述及其前提条件和效果）开始，因此EBL在规划领域成为了一种流行的学习技术。

1.1 EBL的发展历程

EBL的根源和动机至少可以追溯到STRIPS的MACROPs。早期关于EBL的重要研究包括Mitchell等人（1986）和DeJong与Mooney（1986）的工作。如今的教科书对早期方法进行了一定的改进。相关的重要概念还包括确定性、组块化和知识编译等。

随着现代统计学习成为该领域的主导范式，对分析方法的兴趣有所下降。但目前，将EBL置于现代统计复杂框架中，同时仍能利用一阶表达能力的研究，重新激发了人们对EBL的兴趣。

1.2 EBL在规划中的应用维度

EBL在规划中的应用在多个维度上存在差异，具体如下表所示：
| 维度 | 具体情况 |
| — | — |
| 学习目的 | 提高底层规划器的速度和质量，或获取领域模型 |
| 学习来源 | 成功案例或失败案例 |
| 解释依据 | 完整/正确的领域理论或部分领域理论 |
| 学习示例数量 | 单个示例或多个示例（后者