HTN Method Selection Guided by Multi-Objective Reinforcement Learning and Dynamic Preferences
9 de nov. de 2026
Nos anais de ERAMIA-RS 2026 II Escola Regional de Aprendizado de Máquina e Inteligência Artificial da Região Sul (SBC) Anais
Anderson G. A. C. Filho (o nome com que assino artigos), Anderson R. Tavares e Lucas N. Alegre, Instituto de Informática, UFRGS. Quatro páginas, em inglês. A versão dos anais está aqui em PDF, e o pôster da ECOA 2026 também.
Resumo
Tradução do resumo do artigo.
Este trabalho propõe um arcabouço híbrido em que a seleção de métodos de uma rede hierárquica de tarefas (HTN) é modelada como uma decisão hierárquica estendida no tempo, o que permite ao método selecionado receber crédito segundo múltiplos objetivos, cada um definido por uma função de recompensa diferente. O objetivo é investigar se a integração de planejamento simbólico e aprendizado por reforço multiobjetivo pode produzir agentes adaptativos preservando a interpretabilidade, o controle do designer e restrições semânticas explícitas. A avaliação planejada compara a abordagem proposta com estratégias tradicionais de seleção de métodos em HTN e com baselines de aprendizado por reforço escalar, considerando adaptação a diferentes preferências, generalização, validade semântica e custo de inferência.
Um exemplo pequeno
Uma decisão com dois objetivos, progresso e sobrevivência, e dois métodos aplicáveis com retornos estimados de [0,8; 0,2] para m1 e [0,5; 0,5] para m2. Com os pesos [0,8; 0,2] o agente escolhe m1. Mudando os pesos para [0,2; 0,8], ele escolhe m2. O domínio HTN é o mesmo nos dois casos. Os números foram inventados para mostrar o mecanismo; nenhum experimento os produziu ainda.
Em que pé está
Esta é a primeira versão do trabalho. Ela descreve o método e como ele vai ser avaliado, e para aí. Os experimentos vêm agora, num ambiente controlado com cara de jogo, contra a seleção HTN por primeiro aplicável e por heurística e contra duas baselines de RL escalar. Com os resultados na mão, o artigo completo vai para uma conferência em 2027. A página de pesquisa tem a explicação mais longa e o pôster.
Como citar
@inproceedings{filho2026htn,
author = {Anderson G. A. C. Filho and Anderson R. Tavares and Lucas N. Alegre},
title = {{HTN} Method Selection Guided by Multi-Objective Reinforcement Learning and Dynamic Preferences},
booktitle = {Anais da II Escola Regional de Aprendizado de M{\'a}quina e Intelig{\^e}ncia Artificial da Regi{\~a}o Sul (ERAMIA-RS)},
address = {Porto Alegre, RS},
publisher = {SBC},
year = {2026},
pages = {13--16},
doi = {10.5753/eramiars.2026.35023},
}