Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch de
CORDIS - Forschungsergebnisse der EU
CORDIS

Specializing TEmporal Planning using Reinforcement Learning

Projektbeschreibung

Zeitliche Planung automatisch mit KI spezialisieren

Um gewünschte Ziele zu erreichen, ist effektive Planung unerlässlich, was insbesondere dann gilt, wenn Zeit und Beschränkungen eine wichtige Rolle einnehmen. Zeitliche Planung konzentriert sich auf automatisierte Strategieerzeugung unter Bedingungen dieser Art, mit Anwendungen in Bereichen wie Robotik, Logistik und flexible Produktion. Ungeachtet einiger Fortschritte ist die Skalierbarkeit der aktuellen Allzweck-Rahmenwerke immer noch begrenzt und bei der domänenunabhängigen zeitlichen Planung gibt es Probleme mit der Komplexität der Realität. Inzwischen sind domänenspezifische Lösungen zwar effizient, aber kostspielig in der Entwicklung und schwer zu pflegen. In diesem Kontext zielt das Team des ERC-finanzierten Projekts STEP-RL darauf ab, diese Herausforderungen mithilfe der Einführung eines neuartigen, domänenunabhängigen Ansatzes der zeitlichen Planung unter Nutzung des verstärkenden Lernens zu überwinden. Dieses Rahmenwerk gestattet eine automatische Spezialisierung, die es bei der Zeitplanung zulässt, sich im Zeitverlauf anzupassen und zu optimieren, wodurch sowohl die Effizienz als auch die Flexibilität bei der Lösung komplexer Zeitplanungsprobleme optimiert wird.

Ziel

"Planning - devising a strategy to achieve a desired objective - is one of the basic forms of intelligence. Temporal planning studies the automated synthesis of strategies when time and temporal constraints matter. Temporal planning is one of the most strategic fields of Artificial Intelligence, with applications in autonomous robotics, logistics, flexible production, and many other fields.

Historically, the research on temporal planning follows a general-purpose framework: a generic engine searches for the strategy by reasoning on the problem statement (i.e. the starting condition and the desired objective), as well as on a formal model of the domain (i.e. the possible actions). Despite substantial progress in the recent years, domain-independent temporal planning still suffers from scalability issues, and fails to deal with real-word problems. The alternative is to devise ad-hoc, domain-specific solutions that, although efficient, are costly to develop, rigid to maintain, and often inapplicable in non-nominal situations.

STEP-RL will study the foundations of a new approach to Temporal Planning, that is domain-independent and efficient at the same time. The idea is to adopt a framework based on Reinforcement Learning, where a domain-independent temporal planner is specialized with respect to the domain at hand. STEP-RL continuously improves its ability to solve temporal planning problems by learning from experience, thus becoming increasingly efficient by means of self-adaptation.

STEP-RL will advance the state of the art in temporal planning beyond the ""efficiency vs flexibility"" dilemma, that I had to personally face in the many industrial projects I worked on."

Wissenschaftliches Gebiet (EuroSciVoc)

Schlüsselbegriffe

Programm/Programme

Thema/Themen

Finanzierungsplan

HORIZON-ERC - HORIZON ERC Grants

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

(öffnet in neuem Fenster) ERC-2023-STG

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Gastgebende Einrichtung

FONDAZIONE BRUNO KESSLER
Netto-EU-Beitrag
€ 1 493 750,00
Adresse
VIA SANTA CROCE 77
38122 Trento
Italien
Region
Nord-Est Provincia Autonoma di Trento Trento
Aktivitätstyp
Research Organisations
Links
Gesamtkosten
€ 1 493 750,00

Begünstigte (1)