본 연구는 액션 인수가 관찰되지 않은 상태 추적을 통해 액션 스키마를 학습하는 새로운 신경망 아키텍처를 개발합니다. 이는 이미지와 액션 레이블로 구성된 시퀀스에서 계획 도메인을 학습하기 위한 중요한 단계입니다.
제안하는 방식은 액션 스키마를 학습하면서 동시에 관찰된 상태 변화로부터 액션 인수를 식별하는 문제를 해결합니다. 이는 연역적 모델에 통합될 수 있는 강력한 차별화 가능한 구성 요소를 제공합니다.
다양한 계획 도메인에서 실험을 진행하여 학습된 연역적 액션 스키마가 ground truth 구조를 복구하는지 확인하고, 관찰 노이즈에 대한 강건성 및 슬롯 기반 동적 모델과 관련된 변형에 대한 실험을 수행했습니다.