Neural Fast Downward planning system 发布 Planning Tasks 数据集, 应用在 经典规划、机器学习 领域

Neural Fast Downward planning system 本次发布的数据集 Planning Tasks, 该数据集包含了从诸如积木、仓库、网格、N-谜题、管道-NT、探测车、扫描器、存储、运输和遍历等不同领域选取的各种经典规划任务。每个任务都附带有完整的状态空间以及到达目标的最优成本估计。此外，该数据集还包括了使用具有特定配置和超参数的残差神经网络进行的实现和实验。规模方面，除了两个特定变体之外，多个领域的成本均为单位成本。该数据集的任务是学习经典规划中的启发式函数。

查看Planning Tasks

README 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。