Uso de planes relajados en grounding heurístico
- Autores
- Ocampo, Nicolás Benjamín
- Año de publicación
- 2021
- Idioma
- español castellano
- Tipo de recurso
- tesis de grado
- Estado
- versión publicada
- Colaborador/a o director/a de tesis
- Areces, Carlos Eduardo
Domínguez, Martín Ariel - Descripción
- Tesis (Lic. en Cs. de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2021.
Fil: Ocampo, Nicolás Benjamín. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Los planificadores en planning clásico encuentran planes con éxito aún para tareas realmente complejas. Para esto, la mayoría de planificadores realizan una etapa de preprocesamiento sobre la especificación de la tarea para obtener una representación de mucho más bajo nivel de abstracción. Este proceso es conocido como proceso de grounding. Cada vez que la tarea instanciada es demasiado grande para ser generada, la tarea no puede ser resuelta por el planificador. En esta tesis proponemos un proceso alternativo, denominado grounding heurístico, que guía el proceso de grounding, instanciando aquellas partes de la tarea que son relevantes. Para ello, se trabajó sobre modelos de aprendizaje supervisado, planes relajados y codificaciones ad-hoc y por word embeddings.
Planners in classical planning are successful in finding plans, even for complex tasks. To do so, most planners rely on a preprocessing Tstage that computes a grounded representation of the task. This process is known as the grounding process. However, if the grounded task is too big to be generated, it can not be tackled by the planner. In this thesis, we propose an alternative approach called heuristic grounding. This method, guides the grounding process, instantiating only the parts of the task that are relevant using machine learning techniques, relaxed plans, and ad-hoc and word embeddings encoders.
Fil: Ocampo, Nicolás Benjamín. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina. - Materia
-
Aprendizaje automático
Proceso de grounding
Codificación one-hot
Computing methodologies
Planning and scheduling
Artificial Intelligence
Word embeddings
Machine learning - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- Repositorio
- Institución
- Universidad Nacional de Córdoba
- OAI Identificador
- oai:rdu.unc.edu.ar:11086/22979
Ver los metadatos del registro completo
id |
RDUUNC_2a2db309d31cd4d7b56a638e7c4098aa |
---|---|
oai_identifier_str |
oai:rdu.unc.edu.ar:11086/22979 |
network_acronym_str |
RDUUNC |
repository_id_str |
2572 |
network_name_str |
Repositorio Digital Universitario (UNC) |
spelling |
Uso de planes relajados en grounding heurísticoOcampo, Nicolás BenjamínAprendizaje automáticoProceso de groundingCodificación one-hotComputing methodologiesPlanning and schedulingArtificial IntelligenceWord embeddingsMachine learningTesis (Lic. en Cs. de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2021.Fil: Ocampo, Nicolás Benjamín. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.Los planificadores en planning clásico encuentran planes con éxito aún para tareas realmente complejas. Para esto, la mayoría de planificadores realizan una etapa de preprocesamiento sobre la especificación de la tarea para obtener una representación de mucho más bajo nivel de abstracción. Este proceso es conocido como proceso de grounding. Cada vez que la tarea instanciada es demasiado grande para ser generada, la tarea no puede ser resuelta por el planificador. En esta tesis proponemos un proceso alternativo, denominado grounding heurístico, que guía el proceso de grounding, instanciando aquellas partes de la tarea que son relevantes. Para ello, se trabajó sobre modelos de aprendizaje supervisado, planes relajados y codificaciones ad-hoc y por word embeddings.Planners in classical planning are successful in finding plans, even for complex tasks. To do so, most planners rely on a preprocessing Tstage that computes a grounded representation of the task. This process is known as the grounding process. However, if the grounded task is too big to be generated, it can not be tackled by the planner. In this thesis, we propose an alternative approach called heuristic grounding. This method, guides the grounding process, instantiating only the parts of the task that are relevant using machine learning techniques, relaxed plans, and ad-hoc and word embeddings encoders.Fil: Ocampo, Nicolás Benjamín. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.Areces, Carlos EduardoDomínguez, Martín Ariel2021info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttp://hdl.handle.net/11086/22979spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-09-04T12:34:33Zoai:rdu.unc.edu.ar:11086/22979Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-04 12:34:33.719Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse |
dc.title.none.fl_str_mv |
Uso de planes relajados en grounding heurístico |
title |
Uso de planes relajados en grounding heurístico |
spellingShingle |
Uso de planes relajados en grounding heurístico Ocampo, Nicolás Benjamín Aprendizaje automático Proceso de grounding Codificación one-hot Computing methodologies Planning and scheduling Artificial Intelligence Word embeddings Machine learning |
title_short |
Uso de planes relajados en grounding heurístico |
title_full |
Uso de planes relajados en grounding heurístico |
title_fullStr |
Uso de planes relajados en grounding heurístico |
title_full_unstemmed |
Uso de planes relajados en grounding heurístico |
title_sort |
Uso de planes relajados en grounding heurístico |
dc.creator.none.fl_str_mv |
Ocampo, Nicolás Benjamín |
author |
Ocampo, Nicolás Benjamín |
author_facet |
Ocampo, Nicolás Benjamín |
author_role |
author |
dc.contributor.none.fl_str_mv |
Areces, Carlos Eduardo Domínguez, Martín Ariel |
dc.subject.none.fl_str_mv |
Aprendizaje automático Proceso de grounding Codificación one-hot Computing methodologies Planning and scheduling Artificial Intelligence Word embeddings Machine learning |
topic |
Aprendizaje automático Proceso de grounding Codificación one-hot Computing methodologies Planning and scheduling Artificial Intelligence Word embeddings Machine learning |
dc.description.none.fl_txt_mv |
Tesis (Lic. en Cs. de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2021. Fil: Ocampo, Nicolás Benjamín. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina. Los planificadores en planning clásico encuentran planes con éxito aún para tareas realmente complejas. Para esto, la mayoría de planificadores realizan una etapa de preprocesamiento sobre la especificación de la tarea para obtener una representación de mucho más bajo nivel de abstracción. Este proceso es conocido como proceso de grounding. Cada vez que la tarea instanciada es demasiado grande para ser generada, la tarea no puede ser resuelta por el planificador. En esta tesis proponemos un proceso alternativo, denominado grounding heurístico, que guía el proceso de grounding, instanciando aquellas partes de la tarea que son relevantes. Para ello, se trabajó sobre modelos de aprendizaje supervisado, planes relajados y codificaciones ad-hoc y por word embeddings. Planners in classical planning are successful in finding plans, even for complex tasks. To do so, most planners rely on a preprocessing Tstage that computes a grounded representation of the task. This process is known as the grounding process. However, if the grounded task is too big to be generated, it can not be tackled by the planner. In this thesis, we propose an alternative approach called heuristic grounding. This method, guides the grounding process, instantiating only the parts of the task that are relevant using machine learning techniques, relaxed plans, and ad-hoc and word embeddings encoders. Fil: Ocampo, Nicolás Benjamín. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina. |
description |
Tesis (Lic. en Cs. de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2021. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_7a1f info:ar-repo/semantics/tesisDeGrado |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11086/22979 |
url |
http://hdl.handle.net/11086/22979 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositorio Digital Universitario (UNC) instname:Universidad Nacional de Córdoba instacron:UNC |
reponame_str |
Repositorio Digital Universitario (UNC) |
collection |
Repositorio Digital Universitario (UNC) |
instname_str |
Universidad Nacional de Córdoba |
instacron_str |
UNC |
institution |
UNC |
repository.name.fl_str_mv |
Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba |
repository.mail.fl_str_mv |
oca.unc@gmail.com |
_version_ |
1842349681062969344 |
score |
13.13397 |