基于好奇心的想象：发现计划操作符并学习开放世界适应相关策略

本研究解决了机器人在动态和不确定环境中快速适应的挑战。通过引入一种结合低级神经网络模型和高级符号规划模型的混合规划学习系统，该方法有效推动了探索并在“想象”空间中进行规划。研究结果表明，该方法在机器人操作领域的评估中，收敛速度更快且优于现有的混合方法。